百灵开源Ling-3.1-flash，560B参数且支持百万级上下文

10月15日，蚂蚁集团旗下百灵大模型宣布开源Ling-3.1-flash，模型权重已同步提供至Hugging Face和ModelScope，面向办公、医疗、软件工程、终端操作等真实工作流场景。开发者可分别通过 https://huggingface.co/inclusionAI/Ling-3.1-flash 和 https://www.modelscope.ai/models/inclusionAI/Ling-3.1-flash 获取模型。

Ling-3.1-flash延续Ling-3.0-flash的混合线性架构，总参数量约560B，每个Token约激活25B参数，最长支持1M上下文。面对分散资料，模型能够整理报告和汇报材料；面对零散症状，可协助梳理病史及就诊问题；面对遗留代码，则能理解既有实现、开发新功能，并根据测试结果持续修正。

在GDPVal-AA V2.1办公评测中，Ling-3.1-flash取得1673分（ELO）；在HealthBench Professional医疗评测中得分65.35。FrontierSWE软件工程基准和Terminal-Bench 4.0终端操作基准也显示，该模型具备处理复杂工程任务的能力。

此次开源旨在帮助团队在自有环境部署模型，并将其接入企业知识助手、代码助手等业务。对于需要连续阅读资料、生成内容并根据反馈修改结果的多轮任务，模型在保持通用能力的同时，也强调响应效率。Artificial Analysis公开评测显示，其智能指数为41，生成速度约210 Token/秒；混合调用价格约为每百万Token 0.19美元，兼顾较快输出和较低成本。

为降低本地部署门槛，团队对 routed experts 使用MXFP4量化，dense层采用block-FP8，权重占用由约534GB降至292GB。在相应的Hopper GPU测试配置中，服务部署所需显卡数量由8张减少至4张，使拥有服务器级GPU的团队可以用更少硬件运行模型。

此前，Ling-3.0系列已覆盖服务器、个人电脑和移动终端等部署路径：单台NVIDIA DGX Spark可运行Ling-3.0-flash，用于驱动编码智能体构建并测试小游戏；16GB MacBook Air可运行Ling-3.0-tiny，作为常驻本地助手；Galaxy A32 4G通过Tiny GGUF版本验证本地推理与工具路由原型，小米14T Pro则借助PocketPal实现Tiny版本本地对话。该系列近30天在Hugging Face的下载量接近100万次，社区还提供Flash GGUF、Tiny GGUF和Flash MLX 4bit等适配版本。

百灵希望通过Ling-3.1-flash为开发者提供可自主验证和二次适配的模型基础，进一步缩短从需求文档、代码仓库到生产环境的交付链路。其模型能力也已延伸至专业领域，推出Ling-3.0-flash-Fin、Ling-3.0-flash-Sante等增强版本，用于投研、健康管理等金融和医疗业务流程。