蚂蚁百灵发布并开源 Ling-3.1-flash，主攻长程复杂任务
蚂蚁百灵开源 Ling-3.1-flash，用稀疏激活加混合线性注意力压低长任务成本，重点不是刷榜，而是让 AI 连续干完一整件事还不跑偏。
蚂蚁百灵发布 Ling-3.1-flash 并于 10 月 15 日开源。模型总参数约 560B，每个 Token 仅激活约 25B，上下文窗口最高 1M Token，采用混合线性注意力（KDA 与 Gated MLA 交替堆叠，前者计算量随上下文线性增长）控制长文本成本。官方强调「智效比」：输出速度约 210 Token/s，混合调用价格约每百万 Token 0.19 美元；量化后权重从 534GB 压到 292GB，部署从 8 卡降到 4 卡。
正文摘录
.jpg) 编辑｜山辉、冷猫 上个月，Jev 火遍了 AI 社区。 这个智能体完全不输出长文本，主要工作是做判断。它看似简单，但足够快、足够实用，已被不少开发者接入 Agent 工作流，能力甚至达到在 MC 里全自主从零开始击败末影龙。 Jev 的走红，多少反映出今年 AI 正在发生的一种变化： 大家关心的能力越来越务实 。毕竟，让 AI 真正干活，远比解题刷分刷榜更复杂。 工作中的任务往往是复杂而长程的。让 AI 独立完成，它得自己找资料、分析信息、发现问题，再决定要不要回头修改补充；一旦中途走错方向，还得及时纠正。任务持续时间越长，出错和跑偏的可能性就越大。 但真正能解决这个大难题的大模型，目前还屈指可数。如今，开源大模型领域的重要玩家蚂蚁百灵也开始在这一方向上发力。 9 月 30 日， 蚂蚁百灵发布 Ling-3.1-flash，并于 10 月 15 日正式开源。 这次升级重点瞄准的是 复杂任务和长程执行 。  拿到模型后，我们也想试试它的成色：如果不再把任务拆成一步步的提示词，直接把整项工作交给 AI，它到底能干到什么程度？