蚂蚁百灵开源Ling-3.0-flash：124B总参数、5.1B激活，用1/12算力打平上一代旗舰

8月5日，蚂蚁集团旗下百灵大模型正式开源新一代原生混合推理模型Ling-3.0-flash。124B总参数、5.1B激活参数，输出速度353 tokens/s，单次任务调用成本约0.27元。这款模型真正让人在意的不是参数数字本身，而是它用不到旗舰模型十分之一的算力，打出了旗舰级的表现。

“以小博大”：124B对标1T的底层逻辑

Ling-3.0-flash的总参数约为上一代旗舰Ring-2.6-1T的12.4%，激活参数仅为后者的8.1%。蚂蚁在34个评测维度中拿下了15个第一、19个第二，综合均分与DeepSeek-V4-Flash并列第一，领先万亿级旗舰Ring-2.6-1T近8分。

蚂蚁给它的定位不是“万能模型”，而是Agent工作流里的“高速执行节点”。在大模型应用从“单次问答”走向“多轮智能体协作”的当下，推理成本已经成为比模型能力更现实的约束。Ling-3.0-flash的设计逻辑是让模型在“足够强”的前提下，把“快、省、可落地”做到极致。

架构：混合注意力+1/64稀疏MoE

Ling-3.0-flash从预训练阶段就采用5:1比例交替堆叠KDA线性注意力层与MLA层。KDA在Delta Rule的状态更新中引入了细粒度对角门控，在处理长文档和大型代码库时能更精准地记住跨段落关键信息。每个Token的专家激活比例从前代的1/32进一步压缩至1/64。用蚂蚁自己的话说，追求的不是规模堆砌，而是“对每一寸算力与状态的高效压榨”。

性能验证：Artificial Analysis双优区域

在Artificial Analysis Intelligence Index中，Ling-3.0-flash得分38，较上一代Ling 2.6 Flash提升了24分。输出速度达到353 tokens/s。在“智能水平—任务成本”和“智能水平—任务耗时”两个维度上都进入了优势区域——每项任务的加权平均调用成本约0.04美元（约0.27元人民币），加权平均解码时间约1.4分钟。

开源与落地：三种部署方式

Ling-3.0-flash采用了MIT许可证，BF16原版和FP8量化版已同步上线Hugging Face和ModelScope。官方提供了三种落地选择：

API调用：最快接入方式，适合快速验证产品和上线Agent应用

单机私有化：MXFP4与INT4版本可在单台NVIDIA DGX Spark上完成端到端推理

高性能部署：在指定GPU配置下平均输出速率突破1100 tokens/s

模型支持25.6万Token上下文窗口，并已接入SGLang HiCache + Mooncake分级缓存架构，长输入场景下首字响应时间较从头计算降低60%至80%以上。

昇腾0 Day适配：国产算力同步跟上

Ling-3.0-flash开源的同步，华为昇腾完成了0 Day适配。在适配过程中，昇腾首次引入了CANN PyPTO算子编程框架，可大幅缩短复杂融合算子的交付周期。适配全面兼容昇腾A2、A3系列产品。一个国产模型在开源当天就能在国产芯片上跑起来——这件事本身，比任何榜单分数都更能说明问题。

当大模型竞赛从“谁能堆出更大参数”转向“谁能在有限算力下输出更高智能密度”，Ling-3.0-flash用124B总参数和0.27元的单次调用成本，给行业提供了一个新的参照系。