蚂蚁百灵昨日宣布开源 Ling-3.1-flash 模型。Ling-3.1-flash 总参数约 560B，每个 Token 激活约 25B，最高支持 1M 上下文。

在 Artificial Analysis 的公开评测中，Ling-3.1-flash 的智能指数为 41，输出速度约为每秒 210 Token。

针对本地部署，团队对 routed experts 采用 MXFP4 量化、dense 层保持 block-FP8，权重占用从约 534GB 降至 292GB。在对应的 Hopper GPU 测试配置中，服务部署由 8 卡降至 4 卡，让具备服务器级 GPU 的团队以更少卡数运行模型；实际需求仍随上下文、并发量和服务配置而变。

针对长资料处理，团队提供长上下文并行推理方案（PCP / DCP）；工具调用也加强了对 JSON Schema 的支持，方便与现有业务接口对接。

企业知识问答、办公助手常要先读取较长资料，用户仍希望尽快看到回复。团队通过算子融合与 DSpark 投机解码减少推理开销：在平均输入约 25.47K Token、输出约 224 Token、缓存命中率为 76% 的模拟生产请求中，8 卡 Hopper 配置下的平均首 Token 时间为 604 毫秒，相邻输出 Token 平均间隔为 3.28 毫秒。这为长资料输入后的交互响应提供测试参考。

持续提供服务的业务系统，还需要在固定 GPU 预算内评估单实例能承接多少请求。在平均输入约 8.5K Token、输出约 800 Token 的 4 卡 Hopper 吞吐测试中，模型达到约 1.36 QPS，同时满足首 Token 时间 P50 小于 3 秒、相邻输出 Token 间隔 P90 小于 70 毫秒的测试约束。这为自有部署的容量规划提供参考。

在线体验方面，Ling-3.1-flash 目前提供限时 2.5 折优惠，优惠后价格如下：

• OpenRouter（美元计价）：输入 0.075 美元；输出 0.225 美元；缓存读取 0.015 美元。
• Ling Studio（人民币计价）：输入 0.5 元；输出 1.5 元；缓存读取 0.1 元。

IT之家附开源链接：

• Hugging Face：https://huggingface.co/inclusionAI/Ling-3.1-flash
• ModelScope：https://modelscope.cn/models/inclusionAI/Ling-3.1-flash

相关阅读：《蚂蚁百灵发布 Ling-3.1-flash 模型：约 560B 总参数、25B 激活参数》