AREX Feed Article
蚂蚁 Ling 3.0 Flash 开源：124B 仅激活 5.1B，MIT 协议杀入帕累托前沿
8 月 4 日，蚂蚁集团旗下 inclusionAI 。这个模型有 124B 总参数，每次推理只激活 5.1B——占比约 4.11%。根据独立评测机构 ，Ling 3.0 Flash 在 Artificial Analysis Intelligence Index v4.1.1 上拿到 38 分，比前代 Ling 2.6 Flash 的 14 分高出 24 分，在所有总参数低于 124B 的开源权重模型中排名第一。
许可协议是 MIT。不需要申请，不需要报备，下载下来就能商用。
一台 DGX Spark 跑了 38.7 tok/s，社区自己把路走通了
Artificial Analysis 的分析指出，Ling 3.0 Flash 处于开源权重模型「智能水平—总参数量」的帕累托前沿——没有哪个总参数比它少的开源模型得分更高。在同等体量上，gpt-oss-120b（117B）只得 24 分，差了 14 分。再往上，MiniMax-M2.7 用了 230B 总参数才拿到 39 分。
但真正让社区兴奋的不是跑分，而是「能跑起来」。
8 月 5 日，蚂蚁百灵官方账号 放出了 INT4 和 MXFP4 量化版本，声称两个版本都能在单台 NVIDIA DGX Spark 上完成端到端推理。当天，华为昇腾，首次引入 CANN PyPTO 算子编程框架，并开放了一体化部署方案。
社区开发者 随后开源了一套完整的单卡部署方案。他最初发现官方量化版本在单台 DGX Spark 上无法直接运行——FP4 需要双卡，FP8 显存放不下，INT4 加载后卡在 GPU kernel 里。但他翻进官方的 vLLM fork、接上 KDA kernel 和 MTP draft layer 之后，INT4 版本跑到了 38.7 tok/s，超过了社区常用的 GGUF 方案的 35.2 tok/s，并且完整支持 256K 上下文窗口。
「我让 Hermes Agent 指向这台盒子上的 Ling 3.0 Flash，给了一句话的 prompt，它自己写完了一个完整的贪吃蛇游戏，验证了文件，然后打开就能玩，」他写道，「一个昨天还加载不起来的模型，今天成了这块硬件上最快的路径。」
一周三枪：中国开源模型的密度竞赛
Ling 3.0 Flash 发布的时间点刚好卡在一场密集的军备竞赛中间。
8 月 3 日，阿里 Qwen ，2.4T 总参数、95B 激活参数，在 Artificial Analysis Intelligence Index 上拿到 56 分。8 月 4 日同一天，DeepSeek V4 Flash 0731 「第二强的开源权重模型」，ECI 得分 153，仅次于 Kimi K3。而蚂蚁的 Ling 3.0 Flash 选择了完全不同的路线：不卷最高分，而是卷单位参数产出的智能。
早在 7 月底，蚂蚁百灵就在 中将 Ling 3.0 系列定位为「原生混合线性架构」的首发——从预训练阶段就以 5:1 的比例交替堆叠 KDA（Kimi Delta Attention）线性注意力层和 MLA（Multi-head Latent Attention）层。这和前代 Ling 2.6「先训练再迁移」的做法不同，注意力效率和模型能力从一开始就被一同优化。
Agent Brief 在 8 月 5 日的 中将 Ling 3.0 Flash 与 DeepSeek V4 Flash、Qwen 3.8 Max 并列，称之为「开源权重的权力转移」——前沿能力不再被两家加州公司垄断，而且可以在本地硬件上运行。
智能不是参数堆出来的
Ling 3.0 Flash 在 AA Intelligence Index 上得分 38，与 MiMo-V2.5（38）和 Qwen3.6 27B（38）持平，但激活参数只有 MiMo-V2.5 的三分之一。在 Flash 级开源推理模型中，它排在 DeepSeek V4 Flash 0731（52 分）之后。
Agent 能力是这次升级的重点。在 τ3-Bench Banking 上，Ling 3.0 Flash 拿到 27%，在 Flash 级开源权重模型中排第二，仅次于 DeepSeek V4 Flash 0731（39%），领先 Hy3（23%）和 Inkling Small（19%）。在 GDPval-AA v2 上，它的 Elo 评分达到 1108，而前代 Ling 2.6 Flash 只有 545。
但最值得玩味的数据来自 AA-Omniscience 指数。Ling 3.0 Flash 从 -66 分提升到 -18 分，看起来进步显著。然而拆开来看：底层准确率只从 16% 微升到 18%，幻觉率从 97% 降至 44%，尝试回答率则从 99% 暴跌到 56%。换句话说，它变「聪明」的主要方式是学会了闭嘴——回答更少的问题，但答错时更少胡说。
价格方面，Ling 3.0 Flash 通过 inclusionAI 自有 API 的价格是每百万输入 token 0.075 美元、每百万输出 token 0.22 美元，缓存命中打八折。在 Artificial Analysis 的评估中，它是得分不低于 38 的模型中单价最低的。但每项任务的总成本并不占优：跑完 Intelligence Index 它用了约 2.4 亿输出 token，总花费 73 美元，折算每项任务约 0.02 美元——这个数字落到了「智能—任务成本」帕累托前沿的内部，而非边缘。
模型架构上， 采用 Hybrid-linear MoE 设计：35 层 KDA + 7 层 Gated MLA，512 个路由专家中每次激活 8 个，另加 1 个共享专家和 2 个稠密层。相比前代 1/32 的专家激活比，。按照蚂蚁此前在 中的分析，更低的激活比在同等性能前提下可以换取更高的计算效率杠杆。
在部署层面，模型原生支持 256K 上下文并可扩展至 1M，集成了 SGLang HiCache + Mooncake 分层缓存架构，官方称长输入场景下首 token 延迟可降低 60% 到 80% 以上。在指定 GPU 配置下，平均输出速率可突破 1100 tokens/s。Artificial Analysis 在第三方 API 上观测到的速度则是 353 tokens/s。
MIT 协议 + 单机部署：开源的门槛正在消失
Ling 3.0 Flash 选择 MIT 协议，在当前的模型开源浪潮中是一个明确的信号。MIT 意味着开发者下载后可以直接商用、修改、再分发，不需要任何许可——在众多「开放权重但商用需申请」的模型中间，这是一个实质性的区别。
这一选择放大了量化版本的战略价值。FP8 版本权重约 128GB，INT4 约 62GB——后者可以在单台 DGX Spark 上跑起来，而不再需要昂贵多卡集群。对于「数据不能出域」的金融、医疗和政企客户，生产级的 Agent 模型可以被装进一台工作站里。
蚂蚁官方：云端 API 调用（适合快速验证）、单机私有化（适合数据敏感场景）、高性能部署（适合对延迟敏感的在线服务）。8 月 7 日至 31 日，Ling Studio 上的 Ling 3.0 Flash API 还打了 2.5 折。
昇腾的 0 Day 适配补齐了国产硬件生态。蚂蚁百灵 Ling 系列从一开始就在验证「非 A100/H100 异构计算平台」上的工程可行性，而这次发布证明了这个路线可以跟上速度。
下一个战场不是更大，而是更「醒着」
Ling 3.0 Flash 的真正意义不在于它是不是最强模型——它显然不是，DeepSeek V4 Flash 0731 领先了 14 分。它的意义在于证明了一件事：用 1/12 的激活参数追上前代旗舰，这条路不仅走得通，而且现在就可以下载、部署、商用。
当一个 124B 的模型每次推理只动用 5.1B 参数，而输出质量与 MiMo-V2.5 和 Qwen3.6 27B 同级时，衡量模型的尺度就不再是「总共有多少参数」，而是「每次推理实际点燃了多少计算」。在这个新尺度上，Ling 3.0 Flash 暂时没有对手。