Ling-3.0-flash 开源：只激活 5.1B，124B 模型把自家 1T 旗舰拉下马

12 天，从 API 预览到权重全部交出

8 月 4 日，蚂蚁集团 AGI 计划旗下的 inclusionAI 在 Hugging Face 与 ModelScope 同步开源了 Ling-3.0-flash 的完整权重，MIT 协议。该模型总参数量 124B，每 token 仅激活 5.1B 参数。官方公告称其以不到 1/8 的总参数量和 1/12 的激活参数量，在多数 benchmark 上追平或超越自家上一代 1T 级旗舰 Ring-2.6-1T。

次日，团队释出 INT4 与 FP4（MXFP4）量化变体，单张 NVIDIA DGX Spark 即可端到端运行。模型卡同时提供了 SGLang 与 vLLM 的开箱推理方案。

"HF 链接呢？"——社区催更两周，等来 MIT 开源

Ling-3.0-flash 并非突然空降。7 月 23 日，AntLingAGI 账号在 X 平台首发 API 版本时，评论区最高频的回复只有一句："Where weights????"

HuggingFace 产品负责人 Victor Mustar 在首发推文下留言："seems a great fit for local 😊"。推理平台 Fireworks AI 在 Day 0 即接入该模型，称"Day 0 只是第一步"。从 Nous Research 到 Kilo Code、OpenRouter、Dify 等平台，均在首发当日提供支持。

团队在回复中反复承诺"open weights coming soon"。一位用户 Latent Local 质疑："BEATS Ring 2.6？？？我不信"，团队回应："Ring 2.6 本质上是数学 PhD，不是为日常任务设计的"。12 天后，权重兑现。

先上 API 免费跑 12 天，再一口气交出所有权重

这场发布遵循了一套清晰的分层节奏。

7 月 23 日，API 首发。模型上线 OpenRouter，提供免费调用至 8 月 3 日。团队同步放出 7 段演示视频，覆盖 Blender 3D 建模、自主多 Agent 研究团队、Office 文档闭环处理、纯代码设计系统、浏览器内乐器合成、多平台营销文案改写，以及日历调度完整工作流。

8 月 3 日，免费期延长至 8 月 6 日上午 8 点（PT）。

8 月 4 日，开放权重。BF16 和 FP8 版本同步上线。8 月 5 日，INT4 与 FP4 变体发布。同日，ValsAI 将其纳入开源模型榜单，排名第 15。

首发推文获得 207 万次浏览、1966 次点赞，是该账号迄今互动最高的单条内容。

不是所有 MoE 都一样：KDA 与 MLA 按 5:1 交替

Ling-3.0-flash 的架构选择与主流 MoE 路线有明确分野。

原生混合线性注意力：模型从预训练阶段即采用 Kimi Delta Attention（KDA）与 Gated Multi-Head Latent Attention（MLA）以 5:1 比例交替堆叠，共 35 层 KDA 加 7 层 MLA。KDA 引入细粒度对角门控，MLA 负责压缩 KV 缓存。

极端稀疏 MoE：512 个路由专家，每次仅激活 8 个，外加 1 个共享专家，稀疏比 1/64。推理时实际参与计算的参数量仅 5.1B。

长上下文缓存：模型原生集成 SGLang HiCache 与 Mooncake 分层缓存，物理双池架构配合集群共享 L3 缓存，消除长程交互中的重复计算。官方称长输入场景首 token 延迟（TTFT）降低 60% 至 80% 以上。上下文窗口 256K，训练阶段经历 8K→32K→256K 三阶段扩展。

Benchmark 方面，在 benchlm.ai 追踪的 SWE-bench Pro 榜单上，Ling-3.0-flash 以 OpenHands 为 agent harness 取得 56.6%，位列 57 个模型中的第 30 名。MathArena AIME 2026 得分 22.7。模型卡还列出了内部基准 AntSWEBench 的评估结果，覆盖 Java、JavaScript、Python 等语言及新功能开发、Bug 修复、代码重构等场景。模型默认开启思考模式，推荐采样参数为 temperature=0.6、top_p=0.95、top_k=20。

开源 Agent 模型牌桌上，多了一家中国选手

ValsAI 将其排入开源模型总榜第 15 名，这是蚂蚁模型首次出现在该榜单。

从 SWE-bench Pro 来看，Ling-3.0-flash（56.6%）与 Poolside 的 Laguna S 2.1（59.4%）、MiniMax M3（59%）同处一档，差距在 3 个百分点以内。榜单前列仍由 Claude Mythos 5（80.3%）等闭源模型占据。

模型已在 Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw 等多个 agent 框架中得到验证。团队称其基于超过 10,000 个交互式训练环境，覆盖 Coding、General 与 Deep Research Agent 三类任务。

量化变体的精度仍在迭代，社区追问 DeepSWE 分数

Ling-3.0-flash 以 BF16、FP8、INT4、FP4 全量化链发布，SGLang 和 vLLM 均已适配。

但仍有未了之事。团队在 INT4/FP4 发布时坦承，量化模型的效率与精度"仍在演进中"（still evolving），推理实现和量化权重将持续更新。而在 首发推文的评论区，多位用户追问 DeepSWE 成绩。