蚂蚁百灵

2周前发布 93 0 0

蚂蚁集团自研以Ling为开源主线的MoE大模型家族

所在地：
中国
语言：
中文
收录时间：
2026-10-24
打开网站手机查看
蚂蚁百灵蚂蚁百灵
蚂蚁百灵打开网站

百灵是蚂蚁集团自研、以 Ling（灵渠）​ 为开源主线的 MoE 大模型家族，核心路线是“大总参、小激活 + 混合线性注意力 + Agent 原生训练”，主打长上下文、低 token 成本、可自托管。百灵大模型由蚂蚁集团 InclusionAI 团队研发，家族按能力拆成三条线：

  • Ling 系列：基础 Instruct 模型（即时模型，非思考模型），覆盖 mini / flash / 1T 三档尺寸
  • Ring 系列：推理模型（Thinking），面向复杂推理与长程 Agent 工作流，支持 high / xhigh 推理预算
  • Ming 系列：多模态模型（图/音/视频理解生成），已放出 Ming-flash-omni 预览版

设计哲学和 Kimi K3、MiMo 不一样：百灵不追求“思考链越长越好”，而是把重心放在 token 效率——用更少的输出 token 完成同等质量任务，适配 Agent 高频调用、长上下文、工具链执行。

 

版本演进（以官网实时信息为准）

Ling 基础线

  • Ling-Lite / Ling-Plus（早期开源）：MoE 技术报告原型，Ling-Lite 16.8B 总参/2.75B 激活，Ling-Plus 290B 级，验证“国产算力可训万亿模型”
  • Ling-1T：第一代万亿参数 MoE 即时模型，20T+ 语料预训练
  • Ling-2.5-1T（2026-02）：1T 总参/63B 激活，29T 语料，混合线性注意力，1M 上下文目标，演进式思维链后训练
  • Ling-2.6-flash（2026-04）：104B 总参/7.4B 激活，极致 token 效率，同等任务仅耗同类 1/10 token
  • Ling-2.6-1T / Ring-2.6-1T（2026-06）：2.6 技术报告发布，7:1 线性/全局注意力混合架构，Ring 支持 high/xhigh 推理档

Ling 新一代 Flash 线

  • Ling-3.0-flash（2026-08）：124B 总参/5.1B 激活，原生混合推理，单 DGX Spark 可跑量化版，AA 输出速度 353 token/s
  • Ling-3.1-flash（2026-09 发布，10-15 开源）：当前最新开源主线。约 560B 总参/25B 激活，512 路由专家每 token 激活 8 个；63 层 KDA 线性注意力 + 9 层 Gated MLA；目标 1M 上下文（当前服务可验证 256K）；MIT 许可，MXFP4+block-FP8 混合量化后权重约 292GB

 

当前最新开源主线：Ling-3.1-flash 核心参数

  • 架构：混合线性 MoE（KDA 线性注意力 : Gated MLA = 7:1）
  • 总参数：约 560B
  • 激活参数：约 25B（激活比 ~4.5%）
  • 上下文：目标 1M，当前可服务验证 256K
  • 模态：当前版本无原生视觉（需外挂视觉模型）
  • 许可：MIT（Hugging Face + ModelScope 双平台开源）
  • 量化：路由专家 MXFP4 + 稠密层 block-FP8，权重 534GB→292GB
  • 部署：量化后官方测试配置可从 8 卡降至 4 卡（Hopper/GB200 级，非消费级）

 

核心能力

  • Token 效率极致：Ling-2.6-flash 在 AA 评测仅耗 15M token 完成同类 110M+ 任务，约为 1/10
  • Agent 原生：大规模高保真交互环境 RL 训练，适配 Claude Code / OpenCode / OpenClaw，BFCL-V4 开源领先
  • 长上下文效率：混合线性注意力把序列复杂度从 O(n²) 降到 O(n)，1M 上下文工程上可行
  • 分级缓存：SGLang HiCache + Mooncake 分层缓存，长输入首字延迟降 60–80%
  • 国产算力训练：早期技术报告已验证用阿里/华为芯片训练，成本较 H800 方案降约 20%
  • 多尺寸覆盖：mini/flash/1T 三档，从边缘到数据中心都能选
  • 多模态扩展：Ming 系列补视觉/音频，Ring 系列补深度推理，家族完整度高于单一 LLM

 

收费模式

百宝箱官方 API（按“计算单元”计费）​

  • Ling/Ring-2.5 系列：输入 ¥4/百万计算单元，输出 ¥8/百万计算单元
  • 每日赠送 50 万免费计算单元（当日有效，不结转）

Ling-2.6-flash 公开渠道价​

  • 国际版：输入 $0.1/百万 token，输出 $0.3/百万 token，缓存命中 $0.02
  • 国内版：输入 ¥0.6/百万 token，输出 ¥1.8/百万 token
  • 每日 50 万 token 永久免费额度

Ling-3.1-flash 渠道价（第三方平台）

  • OpenRouter / Vercel AI Gateway 等按路由平台实时定价，混合调用约 $0.19/百万 token 量级

自托管：MIT 许可，权重免费下载，硬件成本自理

 

优势亮点

  • 许可最干净：MIT，无营收门槛、无署名强制，比 Kimi K3 自定义许可更省法务成本
  • 激活参数极小：560B 总参只激活 25B，“用 25B 的钱借 560B 的脑子”，推理账单可控
  • Token 效率行业领先：同等质量输出 token 显著少于同档模型，Agent 场景成本优势明显
  • 部署门槛在持续下探：3.1-flash 量化后 4 卡可起服务（服务器级），较上代 8 卡再降一档
  • 蚂蚁场景背书：支付宝 AI Pay、AQ 健康应用、小苗金融助手已大规模生产验证
  • 国产算力友好：训练侧不绑死英伟达，符合国产化替代诉求

 

局限

  • 3.1-flash 无原生多模态：当前版本不吃图像/音频，需外挂视觉模型
  • 1M 上下文“目标态”：当前可验证服务上下文 256K，完整 1M 需等后续版本/付费档兑现
  • 4 卡部署有前提：292GB 是权重体积，跑起来还要 KV 缓存+通信缓冲，官方推荐配置仍是 8×H200；不是消费级可玩
  • 基准可复现性存疑：部分 Terminal-Bench/SWE-bench 成绩跑在蚂蚁自研 LingCode 框架上，该框架尚未开源
  • 长文本失焦风险：官方自述一次性喂入超大文本可能失焦，单次生成有适配范围
  • 版本迭代极快：3.0→3.1 仅隔两月，旧版 API 模型名需持续跟进

 

适用人群

  • Agent 应用开发者：高频工具调用、长程任务、成本敏感场景首选
  • 金融/医疗/政务私域部署：MIT 许可 + 国产算力 + 数据不出域
  • 中小企业 API 接入：token 效率高，同等预算下调用量更大
  • 边缘/单卡推理团队：INT4 量化版可在单台 DGX Spark 级设备跑 3.0-flash
  • 多模态产品：搭配 Ming 系列补视觉音频，或外挂视觉模型过渡

 

安装部署速览

# 拉取最新开源权重
huggingface-cli download inclusionAI/Ling-3.1-flash
# 或 ModelScope
modelscope download inclusionAI/Ling-3.1-flash

推理框架：vLLM / SGLang 均提供部署路径（仓库内附示例）；量化版推荐 MXFP4 专家 + block-FP8 主干。

云端调用（OpenAI 兼容）：

from openai import OpenAI
client = OpenAI(
    api_key="你的Ling Studio密钥",
    base_url="https://developer.ant-ling.com/v1"
)
client.chat.completions.create(
    model="ling-3.1-flash",
    messages=[{"role":"user","content":"把这份 200 页合同抽成风险条款清单"}]
)

 

相关导航