蚂蚁百灵（inclusionAI）近日在 Hugging Face 平台发布了新一代原生混合推理模型 Ling-3.1-flash，模型总参数规模为 560B，每个 token 激活 25B 参数，并支持高达 100 万 token 的上下文窗口。该模型是 Ling-3.0-flash 的升级版本，在架构和真实任务表现上均有改进，目前已上线 Hugging Face、ModelScope 和 OpenRouter 三个平台，采用 MIT 许可证。
从架构看，Ling-3.1-flash 采用混合线性 MoE（Hybrid-linear MoE）设计，包含 63 层 KDA 与 9 层 Gated MLA（比例 7:1），另有 4 个稠密层。路由专家数量为 512 个，共享专家 1 个，每个 token 激活 8 个专家。注意力头数为 64，隐藏维度 4096，专家中间层维度 1280，稠密中间层维度 10240，词表大小 157184。这一配置在保持较大总参数量的同时，通过稀疏激活控制推理成本。
评测方面，官方称 Ling-3.1-flash 在多个权威基准上表现强劲，覆盖编码与智能体任务，包括 Terminal-Bench 4.0、SWE-bench Pro、FrontierSWE、GDPVal-AA V2.1、Automationbench、MCP-Atlas 和 SkillsBench 等。在实际使用中，该模型在 Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw 等框架下提供较好的用户体验。除智能体任务外，模型在 STEM、医疗健康和金融等真实场景任务中也有提升，例如在 HealthBench Professional 等基准上有所体现。
为配合长程编码任务，蚂蚁百灵还推出了 LingCode，这是一个基于开源编码智能体 Pi 构建的 harness，针对持续数小时、涉及数百轮工具调用、需要反复压缩上下文的复杂任务进行了增强。官方表示 LingCode 在某些编码智能体任务上带来显著性能提升，并正在考虑未来将其开源。
部署方面，Ling-3.1-flash 支持 SGLang 和 vLLM 两种推理框架。SGLang 提供了 day-0 镜像，包含对 Ling-3.1-flash 的支持、MTP（NEXTN）投机解码以及 Hopper 解码优化。官方给出的示例配置为 8 张 H200（TP8 + EP8），也可在 4 张 GB300 上以 TP4 + EP4 运行。Hopper 解码优化可选用环境变量开启，官方称批量大小为 1 时解码速度约提升 10%。vLLM 方面则提供了环境准备和启动命令，推荐采样参数为 temperature=1.0、top_p=0.95、top_k=20，并建议开启 enable_thinking 以获得更好表现。
此次发布进一步丰富了国产开源大模型在混合推理方向的选择。560B 总参数、25B 激活的配置，加上 100 万 token 上下文，使 Ling-3.1-flash 能够处理长文档、复杂智能体工作流等场景，而 MIT 许可证和多个平台的部署支持则降低了企业试用和集成的门槛。对于关注 AI 产业的投资者而言，蚂蚁百灵在模型架构上的探索以及 LingCode 等配套工具的推出，反映了国内厂商在提升模型真实任务能力、构建开发者生态方面的持续投入，后续其在开源社区的实际采用情况和基准表现值得跟踪。