蚂蚁百灵开源Ling-3.1闪记模型强化长程任务能力

10月28日，蚂蚁集团旗下百灵大模型开源Ling-3.1-flash-1019。该版本基于Ling-3.1-flash继续训练优化，在Artificial Analysis Intelligence Index v4.3.2中获得44分，较上一版本增加3分。同时开源的Ling-3.1-flash-base，主要为长程任务提供知识、推理和计算效率方面的基础能力。

Ling-3.1-flash-1019重点面向Personal Agent场景，增强复杂工作流建模和多步骤执行能力。AA-Briefcase得分由约1400 Elo升至1524 Elo，GDPval-AA由约1618 Elo升至1644 Elo；AutomationBench-AA从62%提升至68%，CritPt从18%提升至26%，SciCode则由54%增至57%。

该模型迭代与灵光2.0的能力升级密切相关。个人助理不仅要回答问题，还需要围绕目标持续工作，例如规划旅行时跟踪天气、预约和出行准备，或按照预算、规格和偏好筛选商品并持续监测价格。为支持这类场景，模型需要具备跨会话记忆、后台任务调度、目标理解、工具使用、信息更新和任务推进能力，即使用户退出对话，授权范围内的任务也能继续运行。

Ling-3.1-flash-base采用混合线性MoE架构，总参数量约560B，每个Token激活约25B参数，在模型容量、长上下文处理和单步计算成本之间寻求平衡。在覆盖8个领域的47项测试中，该模型有32项超过DeepSeek-V4-Pro-Base和MiMo-V2.5-Pro-Base，并在知识理解、逻辑推理、代码、数学及长上下文等项目取得最高分。模型以BF16基础权重和MIT许可证开放，开发者可据此进行继续预训练、领域适配和后训练。

在基础模型之上，Ling-3.1-flash及1019版本继续通过后训练提升推理、工具调用和多步骤执行能力。百灵还基于Ling-3.1-flash训练视觉语言模型Ling-3.1-flash-VL，在保留推理、规划和工具使用能力的同时增加视觉理解，目前已应用于灵光，后续计划对外发布。相关模型也结合灵光、阿福医生版等应用反馈开展对齐训练，改善专业表达和沟通能力。

百灵希望通过“真实任务—真实应用”的循环，让模型更好地理解目标、保持任务状态并应对变化。此前，其还基于Ling-3.0-flash推出金融增强模型Ling-3.0-flash-Fin和医疗增强模型Ling-3.0-flash-Sante。前者总参数124B、激活参数5.1B，覆盖资料搜集、分析到研究成果生成的投研流程，在高难度任务中接近3T级前沿模型；后者同为124B参数规模，在1.6T以下模型中表现突出，整体性能接近多款旗舰模型。