在2026 Inclusion·外滩大会期间，蚂蚁百灵开源了其首个原生多模态大模型Ling-3.0-flash-VL，引发开发者社区关注。就在几天前，百灵刚开源首个金融增强模型Ling-3.0-flash-Fin，据称在金融投研多项能力测评中超越了前沿通用模型。与此同时，蚂蚁阿福公布最新数据：用户突破1.5亿，日咨询量达2000万，按用户规模看应已成为全球第一大健康AI App。AI版支付宝“阿宝”、AI原生助手“灵光”等应用也在增长。

百灵技术团队在外滩大会期间罕见公开面对媒体，蚂蚁基础智能技术部负责人、百灵大模型负责人西亭，百灵金融模型负责人月引，阿福技术负责人进捷，百灵语言基座负责人零幺，围绕好模型定义、智效比、金融医疗反哺、模型边界等话题与媒体对话。西亭表示，好模型应走向真实世界，帮人类解决更多更难的Task，并明确“我们不认为Coding是实现AGI唯一的路线”。

好模型的标准：走向真实世界与智效比

西亭认为，好模型有几个维度：一是走向人类真实世界，Scaling可以从Coding扩展到更广泛维度，尤其是高经济价值、高难度领域；二是能力、响应速度、成本上的Scaling，以合理成本、更快响应速度端到端解决问题，而非只看生成效率。进捷从产品实践出发，强调模型要像专家或金融理财师一样帮用户解决具体问题，同时通过小模型、端侧实现普惠。零幺从架构角度提出，实用上ROI足够高就是好模型，团队一直追求用更低flops撬动更大智能，大尺寸与小尺寸模型会交替迭代。月引的判断标准更直接：模型能否帮他完成工作，比如把分析一个标的的时间用来看10个标的。

阿福规模增长带来的技术挑战

针对阿福用户突破1.5亿、日咨询量2000万的量级，进捷指出，用户量达到一定规模后推理成本非常高，部分问题小模型已能超过水位线，需提升推理效率、降低成本。C端应用反应要快，等5秒用户可能就走了；ToB/机构更重安全。他还提到隐私顾虑：海外已有很多人不愿把Cloud接入工作流，担心隐私数据被持续整流进大模型。蚂蚁与百灵合作的方向是让模型更好被定制化、适应场景，并保障隐私与数据安全。进捷还观察到AI工作站趋势，金融、医疗等行业希望离AI更近，数据敏感场景需要把智能装到更便捷设备里。月引补充，效率在金融领域尤为关键，若当日短盘等两小时还出不来，任务就无法完成；海外很多领域模型更专注数据隐私和经济效率，倾向开源模型加行业数据做私有模型。

金融与医疗：选难而可校验的领域

月引解释蚂蚁做AI金融为何选投研：其他厂商营收大头在银行客服和信贷审批，偏工作流，客服类似Query/RAG可解决，信贷审批偏决策逻辑。蚂蚁要做领域智能上限，所以选足够难的行业。行研并非整体可校验，但分析、估值建模等部分可校验，团队从可校验部分入手，现在做相对短的行研，未来走向更长决策链路。蚂蚁的优势在于一二级市场十年二十年专家一起做数据，不仅做Post-train，也从Pre-train输入数据和知识，专家沉入预训练环节，再结合Harness、产品、私域数据形成生态。

医疗方面，西亭提到三四线用户难找头部医疗资源、买药不便，一线用户有资源但生活不健康、压力大，0点后失眠、情绪问题多。在线医生确认选择皮肤科，是因为皮肤问诊量大且适合线上，但很难让医生一直在线。目前两个方向：帮患者连接医生、机构，提供更普惠健康方式；帮医生用AI构建医生团队，提高接诊和患者管理效率。

智效比与Scaling路线

西亭介绍，团队提出计算Efficiency、参数Efficiency、Token Efficiency三大理念，并做了几件事：很早做MoE的Scaling law，发现MoE模型越稀疏，在未到临界点前智能表现反而会涨；做混合线性，从Attention+MoE到KDA+MLA；去年9、10月与友商发布全球第一个万亿模型后，觉得卡资源消耗不太适合国情，于是尝试把大size智能压缩到小size。高质效比模型进入业务场景，也能获取行业Know-how反哺模型。关于量化目标，西亭总结为端到端的任务成功率，而非生成成功率，这需要Harness、评估、行业安全规则联合系统。零幺补充，标品要有确定性，Token相对好量化，任务完成率不确定，模型能力提升后不同任务确定性会变高。

零幺还谈到Scaling的边际效应：以预训练和训练实验观察，目前只有Pre-train Scaling没有观察到边际收益递减，把模型尺度和数据大小乘在一起，Loss curve可以Log-linear方式继续下降；其他维度如推理Token通常收敛。算力稀缺决定了资源在Pre-train、Post-train等维度的分配，预训练很吃资源，必须有架构、数据、数据消费策略上的明显收益才投；后训练迭代快、数据量小、并行组多，用短周期迭代。西亭则提到另一组Scaling：希望模型在通用能力和专业能力上都非常好，可能出现新物种。

行业反哺与模型边界

月引表示，金融、医疗通过ToP与ToC结合反哺基座：把ToP的专业知识、推理能力拿回来，带给每一个真实用户；专业领域足够拿到task，其工作流能力也会带回基模，孵化到其他办公或信息处理行业。

关于模型犯错与边界，零幺指出模型有迎合、舔用户特点，因为听话会得较好Reward；基模研发多由Benchmark引导，但大部分流量对模型帮助不大，因为不够难，所以构建难Benchmark。部分Benchmark开始看模型能否拒绝、说不会，但准确率和拒答是trade off。团队会在部分Benchmark加入类似观察，评估不仅衡量说得多对，也衡量知道自己不知道，以及两者平衡。月引补充，在金融智能体评测基准FAB等Bench中，有些模型用多口径路径，不确定就把85条全答出来以拿好分，但真实行业用户不能接受行研给85条、80条决策，顶多接受2-3个判断。因此训练中不仅看结果，还要对行为设Reward和惩罚，严肃场景中对幻觉的拒绝Reward要更重，宁愿说不知道，也不要给很多口径让用户猜。

整场对话勾勒出蚂蚁百灵的一条差异化路线：在算力约束下，以智效比为核心，把金融、医疗等真实高难度场景作为模型能力上限的试验场，再通过行业知识反哺基座，同时以开源方式与社区共建。西亭坦言，国内厂商由于资源约束反而能长出不一样的能力，进入金融与医疗正是这一逻辑的实践，而AGI的实现路径应比Coding更广泛。