- 发布日期
124B 总参数、5.1B 激活参数
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
蚂蚁集团旗下百灵大模型官方于8月7日宣布，新一代原生混合推理模型Ling-3.0-flash正式开源。该模型采用MoE架构，总参数规模达124B，激活参数仅5.1B，兼顾性能与效率。官方同步提供基础版本以及FP8、FP4、INT4等多个量化版本，适配不同部署场景。
Ling-3.0-flash的发布延续了百灵大模型在混合推理领域的技术路线。原生混合架构使其能够在单一模型中同时处理推理和生成任务，降低延迟并提升资源利用率。此次开源意味着开发者可以免费获取模型权重，并在Hugging Face和ModelScope平台上直接下载。
针对不同的应用需求，官方提供了三种落地选择。面向希望快速接入的开发者，模型可通过云端API直接调用，无需自建推理服务；对于数据不能出域的企业和团队，MXFP4与INT4版本可在单台NVIDIA DGX Spark上完成端到端推理；而面向单请求时延敏感的高性能服务，在指定GPU测试配置下，平均输出速率突破1100 tokens/s。
在性能表现上，Ling-3.0-flash在Artificial Analysis榜单中输出速度达到353 tokens/s。同时，在AA Intelligence Index榜单中，该模型每项任务的加权平均调用成本约为0.04美元（约合0.27元人民币），加权平均解码时间约为1.4分钟，并进入“智能水平—任务成本”和“智能水平—任务耗时”的优势区域。这些数据表明其在成本效率和响应速度上具有较强的竞争力。
开源版本的发布为开发者和产品团队提供了低门槛的AI应用开发选项。通过API接入或私有化部署，团队可以快速验证产品原型并上线Agent应用。高性能部署方案则适用于对时延敏感的实时服务场景，有望推动大模型在更多业务环节中的落地。
为促进模型推广，官方宣布在2026年8月7日00:00至8月31日24:00期间，Ling-3.0-flash在Ling Studio限时享受2.5折优惠，自9月1日00:00起恢复原价。这一举措降低了试用成本，便于更多用户评估模型能力。
从行业视角看，Ling-3.0-flash的开源将加剧大模型领域的竞争，尤其在轻量级高效模型赛道。其低激活参数设计和多种量化版本提供了灵活的选择空间，未来或可进一步拓展至边缘设备和端侧场景，推动AI应用的普惠化。
