蚂蚁百灵开源 Ling-3.1-flash 模型：最高支持 1M 上下文

10月16日，据报道，蚂蚁百灵宣布开源 Ling-3.1-flash 模型，该模型总参数约 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。针对长资料处理，团队提供长上下文并行推理方案，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。

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 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 3.28 毫秒。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 毫秒的约束。

在线体验方面，Ling-3.1-flash 目前提供限时 2.5 折优惠，OpenRouter 输入 0.075 美元、输出 0.225 美元、缓存读取 0.015 美元；Ling Studio 输入 0.5 元、输出 1.5 元、缓存读取 0.1 元。