蚂蚁百灵开源Ling-3.1-flash：AI连干十几小时造城市

上个月，Jev 火遍 AI 社区。一个不输出长文本、主要做判断的智能体，因足够快、足够实用，被不少开发者接入 Agent 工作流，甚至能全自主在 MC 中从零击败末影龙。这反映出今年 AI 的变化：大家关心的能力越来越务实。真正让 AI 干活远比解题刷分复杂，任务往往长程，模型需自己找资料、分析信息、发现问题并决定是否回头修改，中途走错还得及时纠正，任务越长出错跑偏概率越大。目前能啃下这块硬骨头的大模型屈指可数，开源大模型重要玩家蚂蚁百灵开始发力。

9 月 30 日，蚂蚁百灵发布 Ling-3.1-flash，10 月 15 日正式开源，重点瞄准复杂任务和长程执行。模型总参数约 560B，每处理一个 Token 仅激活约 25B 参数，上下文窗口最高支持 1M Token。架构延续混合线性注意力设计：每 7 层 KDA 搭配 1 层 Gated MLA，512 个路由专家中每个 Token 激活 8 个路由专家和 1 个共享专家。KDA 采用线性复杂度，上下文变长时计算开销不会像全注意力那样快速膨胀；每 8 层保留的 Gated MLA 提供全局信息交互通道。该组合适合反复读取资料、维护大型代码库及连续调用工具的复杂任务。

公开评测中，Ling-3.1-flash 在 GDPVal-AA V2.1、FrontierSWE、Terminal-Bench 4.0、HealthBench Professional 等真实任务基准中展现竞争力，Artificial Analysis 智能指数得分 41，输出速度约 210 Token/s，混合调用价格约每百万 Token 0.19 美元。百灵强调“智效比”，即完成同样任务的算力、时间和金钱消耗。部署层面，路由专家采用 MXFP4 量化，Dense 层保持 block-FP8 精度，模型权重占用从约 534GB 压缩至 292GB，部署需求从 8 卡降至 4 卡。

实测中，第一项任务让模型在“热点侦察站”场景搜索过去 24 小时 AI 行业新闻并筛选、摘要、给出信源和推荐理由。模型给出八条候选新闻，覆盖微软、Meta、Anthropic、监管、营收和产业政策等方向，并将微软 MAI-Base-2、Meta Muse Spark Open、Anthropic 向 METR 开放内部访问权限列为最值得优先报道的三条，均出现在当天真实选题资料中，说明其重点新闻识别与专业编辑关注方向接近。

第二项测试考察长程 Coding 能力：从零开发一款尽可能完整的城市建造游戏。第一阶段约 26 分钟完成第一版可运行游戏，含主菜单、示范城市及基础建造经营系统；第二阶段约六小时集中开发，重新设计建筑、规划城市布局并调试渲染系统；第三阶段人工验收后定向修复车辆外观、道路标线、遮挡关系及车辆生成逻辑等问题。模型在同一工程中经历完整开发与迭代流程。百灵官方还展示用 Rust 重写 C 语言图像库案例，历时约 20 小时，30 项验证全部通过，实现 8.015 倍加速。

第三项测试灵感来自 Andrej Karpathy 提出的按需生成交互式学习应用的想法，对模型专业理解、教学逻辑设计和交互实现提出更高要求。