蚂蚁百灵开源Ling-3.1-flash-1019 聚焦个人智能体任务

蚂蚁集团旗下百灵大模型正式开源 Ling-3.1-flash-1019。该版本在 Ling-3.1-flash 基础上通过后训练进一步优化，在评测 Artificial Analysis Intelligence Index v4.3.2 中获得 44 分，较上一版本提升 3 分。百灵同时开源了基础模型 Ling-3.1-flash-base，为长程任务所需的知识储备、逻辑推理与推理效率提供底层支撑。

Ling-3.1-flash-1019 主要面向个人智能体（Personal Agent）场景，重点强化了处理复杂工作流与多步骤任务的能力。在具体基准测试中：

• 复杂知识工作评测 AA-Briefcase 得分由约 1400 Elo 升至 1524 Elo；
• 综合评估 GDPval-AA 从约 1618 Elo 提升至 1644 Elo；
• 流程自动化评测 AutomationBench-AA 得分从 62% 提升至 68%；
• 科学问题求解 CritPt 得分从 18% 提升至 26%，SciCode 得分从 54% 提升至 57%。

从即时问答迈向长程任务执行

本次模型迭代开源与蚂蚁旗下“灵光 2.0”紧密相关。灵光 2.0 定位为全流程个人 AI 助理，依托跨会话记忆、长程任务调度和独立云主机等机制，用户即使退出对话界面，任务依然可以在授权范围内后台持续运行。这一产品形态对底层模型的持续规划与执行能力提出了更高要求。

与单轮即时问答不同，个人智能体需要围绕明确目标跨周期工作。例如规划一次出行，不仅要生成攻略，还需联动天气信息、跟进预约状态；处理购物需求时，要依据预算和偏好筛选商品并持续监测价格波动。这要求大模型既要精准理解目标，也要熟练调用外部工具并动态应对外部变化。

为兼顾长上下文处理与单步计算成本，Ling-3.1-flash-base 采用混合线性 MoE（混合专家）架构，模型总参数量约 560B，每个 Token 激活约 25B 参数。在 8 个领域共 47 项基准测试中，Ling-3.1-flash-base 在 32 项指标上超越了 DeepSeek-V4-Pro-Base 与 MiMo-V2.5-Pro-Base。目前，该基础模型已提供 BF16 基础权重，以 MIT 许可证向开发者全面开源，支持继续预训练与下游微调。

多模态扩展与专业场景落地

在语言模型之外，百灵基于该底座训练了视觉语言模型 Ling-3.1-flash-VL，在已有推理、规划和工具使用能力中引入视觉理解，目前已在灵光中投入实际应用，后续计划对外公开。

百灵大模型正通过“应用反馈—模型训练”的循环加速迭代，先后在灵光、阿福医生版等具体业务中展开对齐训练。此前，百灵还曾发布金融增强模型 Ling-3.0-flash-Fin 与医疗增强模型 Ling-3.0-flash-Sante，尝试将高智效比的 MoE 架构导入专业纵深场景。团队表示，未来将继续围绕真实业务流推动模型能力的演化与开源共享。