螞蟻集團發佈百靈原生混合推理模型 Ling-3.0-flash：124B 總參數量，能力對標上一代旗艦 Ring-2.6-1T

螞蟻集團旗下百靈大模型於今日正式發表新一代原生混合推理模型 Ling-3.0-flash。這款模型在總參數量僅 124B 的規模下，實現了與上一代旗艦思考模型 Ring-2.6-1T 全面對標甚至超越的能力，引起業界高度關注。根據螞蟻集團官方說明，Ling-3.0-flash 的總參數量約為 Ring-2.6-1T 的 12.4%，但兩者在多項能力指標上已達到同級水準。這項突破源於模型在預訓練階段即採用全新的混合線性注意力架構，從根本上改變了傳統大語言模型的設計邏輯。具體來說，Ling-3.0-flash 的核心改進在於其原生混合線性架構。

該架構從預訓練初期就導入了一種 5:1 交替堆疊的設計，結合 KDA（Key-Value Diagonal Attention）與 MLA（Multi-head Latent Attention）兩種注意力機制，並進一步升級了全新的 KDA 細粒度對角門控技術。此外，模型還引入了 1/64 稀疏 MoE（Mixture of Experts）結構，在 124B 總參數中，僅有約 1.1B 的激活參數在推理過程中實際運作。這種設計不僅大幅降低了計算成本，也讓模型在長上下文處理效率、狀態記憶能力以及整體運算資源的運用上，取得了顯著的協同躍升。螞蟻集團表示，Ling-3.

0-flash 的推出象徵著百靈大模型在混合推理領域的重要進展。所謂混合推理，指的是模型能夠在同一架構中同時處理需要深度思考的邏輯任務，以及需要快速回應的即時應用，這對於金融、客服、風險管理等實際場景具有極高價值。在技術層面，Ling-3.0-flash 的混合線性架構讓模型在訓練階段就能夠更有效地學習到長距離依賴關係，同時保持對短序列輸入的敏捷反應。這種設計避免了傳統 Transformer 模型在長上下文場景下計算量激增的問題，也讓模型在同等參數量下擁有更佳的效能表現。值得注意的是，Ling-3.0-flash 雖然參數量遠小於 Ring-2.

6-1T，但其在官方測試中展現出的能力對標，顯示出模型架構創新對效能提升的關鍵作用。螞蟻集團強調，這並非單純的模型壓縮或蒸餾，而是從架構設計源頭就進行的原生優化。業內分析人士指出，Ling-3.0-flash 的出現，可能預示著大語言模型發展方向正在從單純追求參數規模，轉向更注重架構效率與推理成本平衡。124B 總參數、1.1B 激活參數的設定，讓模型在部署時對硬體需求大幅降低，有利於更多企業與開發者實際應用。螞蟻集團百靈大模型團隊表示，未來將持續探索混合推理模型的潛力，並計劃在更多應用場景中驗證 Ling-3.0-flash 的實際效果。此次發佈的 Ling-3.

0-flash 模型，目前已開放部分合作夥伴進行測試，預期將在後續逐步擴大應用範圍。整體而言，Ling-3.0-flash 的發表不僅是螞蟻集團在人工智慧領域的技術里程碑，也為業界提供了一個關於模型效率與能力平衡的重要參考。隨著混合推理技術的持續演進，這款模型有望在實際業務中發揮更大的價值。