蚂蚁百灵开源 Ling-3.1-flash：560B总参数MoE，单Token激活25B，支持1M上下文

蚂蚁百灵开源 Ling-3.1-flash，原生MoE混合推理大模型，总参数量560B，每token仅激活25B参数，最大支持100万token上下文窗口，面向企业知识问答、办公助手、智能体、代码工程等真实业务场景。

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

核心规格与量化部署优化

模型原生MoE架构，针对本地私有化部署做量化优化：路由专家采用MXFP4量化，稠密层保留block-FP8。量化后权重体积从534GB压缩至292GB，部署硬件门槛从8张Hopper GPU降低至4张Hopper。

实际资源消耗依然受上下文长度、并发量、服务配置影响。

推理性能指标

1. 长资料场景（输入25.47K token，输出224 token，缓存命中率76%，8卡Hopper）：首token耗时604ms，相邻token平均间隔3.28ms，适合长文档读取后的快速交互。
2. 吞吐压测场景（输入8.5K token，输出800 token，4卡Hopper）：达到1.36 QPS，同时满足P50首Token<3秒、P90 token间隔<70ms，方便企业做集群容量规划。
3. 评测数据：Artificial Analysis智能指数41，输出速度约210 token/s。
4. 技术方案：PCP/DCP长上下文并行推理；算子融合+DSpark投机解码降低推理开销；强化JSON Schema工具调用，更容易对接业务接口。

能力覆盖与基准表现

在Ling-3.0-flash基础上升级架构，重点提升现实世界任务表现：

• 智能体与自动化：Terminal-Bench 4.0、Automationbench、MCP-Atlas、SkillsBench；可在Claude Code、Kilo Code等主流Agent框架稳定运行。
• 代码：SWE-bench Pro、FrontierSWE；配套自研LingCode测试框架，适配持续数小时、数百轮工具调用的长周期编码任务，未来计划开源。
• 专业领域：GDPVal-AA V2.1办公任务、HealthBench Professional医疗，金融、材料科学场景同样获得提升。

在线调用价格（限时2.5折）

1. Openrouter美元计费：输入 $0.075 / M token，输出 $0.225 / M token，缓存读取 $0.015 / M token。
2. 国内Tbox人民币计费：输入0.5元/M token，输出1.5元/M token，缓存读取0.1元/M token。