蚂蚁百灵发布 Ling-3.0-flash：5.1B 激活参数跑出旗舰表现

蚂蚁百灵近期正式发布 Ling-3.0-flash，这是一款定位为原生混合推理的开源大模型。所谓原生混合，指模型在训练阶段就把思考与回答两种模式融合，而不是事后外挂一个推理开关。

模型架构与参数设计

Ling-3.0-flash 总参数量 124B，但每次推理激活的参数量只有 5.1B 左右。它采用原生混合线性注意力架构，配合 1/64 稀疏 MoE，用很小的激活参数去撬动大体量模型的知识储备。对同时要做日常对话、长文档处理、复杂推理的服务来说，不必为每类任务额外拉起一份独立模型。

关键能力与基准表现

官方给出的对比对象是上一代旗舰 Ring-2.6-1T。在传统推理、指令遵循、长文本几类常见评测上，Ling-3.0-flash 的成绩可以对标甚至小幅超越前代。长文本场景下首 token 生成时间（TTFT）相比前代降低 60% 到 80% 以上，把几十万字的书塞进上下文提问时等待时间会被显著压缩。

另一个被强调的点是训练环境规模。Ling-3.0-flash 把可交互训练环境扩展到 10,000+，可以理解为模型在训练阶段见过更多种类的工具调用和场景，对实际落地时的指令漂移容忍度会更高。

对开发者和企业用户的实际影响

如果团队正在评估接入一个新底座，最该看的就是激活参数和长文本 TTFT 这两条线。5.1B 的激活量意味着单次推理的显存占用和计费都比传统稠密模型更友好，长输入延迟下降对客服知识库、合同审阅、研报整理这类场景尤其敏感。但基准与真实体感有距离，中文长文档里的表格、代码、公式能不能稳，专业术语会不会漂移，只有真机跑过才知道。

中文用户下一步要观察什么

首先是开放程度：是否提供可下载权重、可商用许可，以及对国内云平台的接入便利度。其次是配套工具链是否同步上线，比如 API、Agent 框架。第三是真实落地案例，能否跑出可复现的对比数据。整体看，这是一次用更少活跃参数做更多事的发布，值得个人开发者下载试玩，也值得企业技术选型者加入下一轮横评名单。