在2026 Inclusion·外灘大會期間，螞蟻百靈開源了其首個原生多模態大模型Ling-3.0-flash-VL，引發開發者社群關注。就在幾天前，百靈剛開源首個金融增強模型Ling-3.0-flash-Fin，據稱在金融投研多項能力測評中超越了前沿通用模型。與此同時，螞蟻阿福公佈最新資料：使用者突破1.5億，日諮詢量達2000萬，按使用者規模看應已成為全球第一大健康AI App。AI版支付寶“阿寶”、AI原生助手“靈光”等應用也在增長。

百靈技術團隊在外灘大會期間罕見公開面對媒體，螞蟻基礎智慧技術部負責人、百靈大模型負責人西亭，百靈金融模型負責人月引，阿福技術負責人進捷，百靈語言基座負責人零么，圍繞好模型定義、智效比、金融醫療反哺、模型邊界等話題與媒體對話。西亭表示，好模型應走向真實世界，幫人類解決更多更難的Task，並明確“我們不認為Coding是實現AGI唯一的路線”。

好模型的標準：走向真實世界與智效比

西亭認為，好模型有幾個維度：一是走向人類真實世界，Scaling可以從Coding擴充套件到更廣泛維度，尤其是高經濟價值、高難度領域；二是能力、響應速度、成本上的Scaling，以合理成本、更快響應速度端到端解決問題，而非只看生成效率。進捷從產品實踐出發，強調模型要像專家或金融理財師一樣幫使用者解決具體問題，同時通過小模型、端側實現普惠。零么從架構角度提出，實用上ROI足夠高就是好模型，團隊一直追求用更低flops撬動更大智慧，大尺寸與小尺寸模型會交替迭代。月引的判斷標準更直接：模型能否幫他完成工作，比如把分析一個標的的時間用來看10個標的。

阿福規模增長帶來的技術挑戰

針對阿福使用者突破1.5億、日諮詢量2000萬的量級，進捷指出，使用者量達到一定規模後推理成本非常高，部分問題小模型已能超過水位線，需提升推理效率、降低成本。C端應用反應要快，等5秒使用者可能就走了；ToB/機構更重安全。他還提到隱私顧慮：海外已有很多人不願把Cloud接入工作流，擔心隱私資料被持續整流進大模型。螞蟻與百靈合作的方向是讓模型更好被定製化、適應場景，並保障隱私與資料安全。進捷還觀察到AI工作站趨勢，金融、醫療等行業希望離AI更近，資料敏感場景需要把智慧裝到更便捷裝置裡。月引補充，效率在金融領域尤為關鍵，若當日短盤等兩小時還出不來，任務就無法完成；海外很多領域模型更專注資料隱私和經濟效率，傾向開源模型加行業資料做私有模型。

金融與醫療：選難而可校驗的領域

月引解釋螞蟻做AI金融為何選投研：其他廠商營收大頭在銀行客服和信貸審批，偏工作流，客服類似Query/RAG可解決，信貸審批偏決策邏輯。螞蟻要做領域智慧上限，所以選足夠難的行業。行研並非整體可校驗，但分析、估值建模等部分可校驗，團隊從可校驗部分入手，現在做相對短的行研，未來走向更長決策鏈路。螞蟻的優勢在於一二級市場十年二十年專家一起做資料，不僅做Post-train，也從Pre-train輸入資料和知識，專家沉入預訓練環節，再結合Harness、產品、私域資料形成生態。

醫療方面，西亭提到三四線使用者難找頭部醫療資源、買藥不便，一線使用者有資源但生活不健康、壓力大，0點後失眠、情緒問題多。線上醫生確認選擇皮膚科，是因為皮膚問診量大且適合線上，但很難讓醫生一直線上。目前兩個方向：幫患者連線醫生、機構，提供更普惠健康方式；幫醫生用AI構建醫生團隊，提高接診和患者管理效率。

智效比與Scaling路線

西亭介紹，團隊提出計算Efficiency、引數Efficiency、Token Efficiency三大理念，並做了幾件事：很早做MoE的Scaling law，發現MoE模型越稀疏，在未到臨界點前智慧表現反而會漲；做混合線性，從Attention+MoE到KDA+MLA；去年9、10月與友商釋出全球第一個萬億模型後，覺得卡資源消耗不太適合國情，於是嘗試把大size智慧壓縮到小size。高質效比模型進入業務場景，也能獲取行業Know-how反哺模型。關於量化目標，西亭總結為端到端的任務成功率，而非生成成功率，這需要Harness、評估、行業安全規則聯合系統。零么補充，標品要有確定性，Token相對好量化，任務完成率不確定，模型能力提升後不同任務確定性會變高。

零么還談到Scaling的邊際效應：以預訓練和訓練實驗觀察，目前只有Pre-train Scaling沒有觀察到邊際收益遞減，把模型尺度和資料大小乘在一起，Loss curve可以Log-linear方式繼續下降；其他維度如推理Token通常收斂。算力稀缺決定了資源在Pre-train、Post-train等維度的分配，預訓練很吃資源，必須有架構、資料、資料消費策略上的明顯收益才投；後訓練迭代快、資料量小、並行組多，用短週期迭代。西亭則提到另一組Scaling：希望模型在通用能力和專業能力上都非常好，可能出現新物種。

行業反哺與模型邊界

月引表示，金融、醫療通過ToP與ToC結合反哺基座：把ToP的專業知識、推理能力拿回來，帶給每一個真實使用者；專業領域足夠拿到task，其工作流能力也會帶回基模，孵化到其他辦公或資訊處理行業。

關於模型犯錯與邊界，零么指出模型有迎合、舔使用者特點，因為聽話會得較好Reward；基模研發多由Benchmark引導，但大部分流量對模型幫助不大，因為不夠難，所以構建難Benchmark。部分Benchmark開始看模型能否拒絕、說不會，但準確率和拒答是trade off。團隊會在部分Benchmark加入類似觀察，評估不僅衡量說得多對，也衡量知道自己不知道，以及兩者平衡。月引補充，在金融智慧體評測基準FAB等Bench中，有些模型用多口徑路徑，不確定就把85條全答出來以拿好分，但真實行業使用者不能接受行研給85條、80條決策，頂多接受2-3個判斷。因此訓練中不僅看結果，還要對行為設Reward和懲罰，嚴肅場景中對幻覺的拒絕Reward要更重，寧願說不知道，也不要給很多口徑讓使用者猜。

整場對話勾勒出螞蟻百靈的一條差異化路線：在算力約束下，以智效比為核心，把金融、醫療等真實高難度場景作為模型能力上限的試驗場，再通過行業知識反哺基座，同時以開源方式與社群共建。西亭坦言，國內廠商由於資源約束反而能長出不一樣的能力，進入金融與醫療正是這一邏輯的實踐，而AGI的實現路徑應比Coding更廣泛。