560B 只激活 25B：蚂蚁百灵开源 Ling-3.1-flash，长程编程智能体有了新发动机

10 月 15 日，蚂蚁百灵兑现了两周前的承诺

2026 年 10 月 15 日，蚂蚁百灵宣布正式开源 Ling-3.1-flash。据第一财经当日 09:17 的报道，"10 月 15 日，蚂蚁百灵宣布正式开源 Ling-3.1-flash，让团队能够在自己的任务和算力环境中，检验模型能力与推理效率。"三个数字是这条新闻的骨架：总参数约 560B、每 token 只激活约 25B、最高支持 1M 上下文。

这不是一次普通的"又开源了个大模型"。如果你把官方模型卡（HuggingFace inclusionAI/Ling-3.1-flash，我亲自打开核实）从头读到尾，会发现一个清晰的信号：百灵这次是冲着长流程编程智能体来的——基准清单里 Terminal-Bench 4.0、SWE-bench Pro、FrontierSWE、MCP-Atlas、SkillsBench 一字排开，全是考验 agent 在真实终端里干活的硬基准；配套还披露了一个叫 LingCode 的 harness，专门用来跑"连续数小时、数百轮工具调用"的长程编程任务。国产开源模型的竞争，正在从"谁的基准分更高"转向"谁的 agent 更能干活"。

先划清一条边界：本站此前发过一篇《Cline 限时免费 Ling 3.1 Flash》（slug: cline-free-ling-flash-october-13），讲的是 10 月 13 日之前 Cline 平台上的限时免费试用活动。那是渠道侧的促销事件；今天这篇讲的是另一件事——官方把权重正式开源，任何人都可以下载、在自己的算力上跑。两件事有关联（9 月 30 日模型发布时承诺"两周免费试用后开源"，10 月 15 日兑现），但新闻主体完全不同。

架构：一台"按需点亮"的 560B 机器

Ling-3.1-flash 的官方定位是"原生混合推理模型"（native hybrid reasoning model），架构为 Hybrid-linear MoE。官方模型卡给出的规格表相当坦率，我把关键行抄录如下（亲自打开核实）：

• 总参数 560B，每 token 激活约 25B——不到总量的 5%
• Transformer 层：63 层 KDA + 9 层 Gated MLA，比例 7:1
• 另有 4 层稠密（Dense）层打底
• 512 个路由专家（routed experts），每 token 激活 8 个，外加 1 个共享专家
• 注意力头 64 个，hidden 维度 4096，专家中间维度 1280
• 词表 157,184

图 1：Ling-3.1-flash 架构速览。数据全部来自官方模型卡：63 层 KDA（线性注意力）与 9 层 Gated MLA（门控多头潜注意力）按 7:1 交错，512 个专家每次只激活 8 个——"大"的是容量，"贵"的那部分只在需要时点亮。

这里有两个值得展开的技术判断。

第一，KDA 与 MLA 的 7:1 交错，是"便宜注意力"的组合拳。KDA（Kernel-based Dense Attention 的某种线性注意力变体，按官方命名）把注意力的二次复杂度压成线性，负责"跑量"；Gated MLA（门控多头潜注意力，DeepSeek 系带火的那条路线）负责在关键层保留强表达能力。7 层便宜的配 1 层贵的——这是一种很务实的工程折中：1M 上下文如果全用标准注意力，KV 缓存会把显存吃光；全用线性注意力，长程依赖又容易丢。交错排布等于告诉你：百灵认为 1M 上下文不是营销数字，是真想让你用的。

第二，25B 激活量是精心卡过的数字。560B 的总参数听起来吓人，但推理时每次只走约 25B 的计算量——大致相当于一个 20B~30B dense 模型的单步开销。代价是显存：权重本身（按官方推荐的 SGLang 部署方案，8×H200，TP8+EP8）依然需要数据中心级显卡。这就是 MoE 时代的常态：计算便宜了，显存没便宜。对个人开发者来说，自己在家跑满血版不现实；但对有算力团队来说，推理成本直接对标 25B 级别模型，性价比曲线的斜率很陡。

基准：为什么这份清单是"agent 专项考"

官方列出的评测基准值得逐个拆开看，因为它暴露了这款模型的真实野心：

• Terminal-Bench 4.0：在真实终端环境里完成任务，考的是"能不能真的把活干完"，而不是选择题答对率。
• SWE-bench Pro：软件工程基准的加强版，修真实仓库的真实 issue。
• FrontierSWE：更难、更长程的软件工程任务。
• MCP-Atlas：考模型调用 MCP 工具的能力——这直接对应"能不能接进你的工具链"。
• SkillsBench：考技能（skills）层面的能力，呼应了当下 agent 生态的 skill 化趋势。
• 另有 GDPVal-AA V2.1（办公智能体）、Automationbench、HealthBench Professional（医疗）等，覆盖办公、金融、材料科学。

我的判断是：这份基准清单本身就是产品宣言。传统大模型发布爱秀 MMLU、GPQA 这类知识型基准；Ling-3.1-flash 把一半以上的篇幅给了"干活型"基准。这说明百灵对它的定位不是"更聪明的聊天机器人"，而是"更能干活的 agent 底座"。结合官方明确写出的适配框架——Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw——意图就更明显了：它想成为你本地 agent 工具链里可替换、可验证的那个"发动机"。

但也要诚实地说一句：官方模型卡展示了评测结果图，但具体的分数数字在文本层没有逐项披露，第三方独立复现也还没有。基准清单是"考了什么"的证据，不是"考得多好"的证据。等社区跑出独立评测，这篇的判断才算闭环。

LingCode：厂商开始卷"考场"本身了

这次发布里最让我在意的其实不是模型，而是一段不起眼的文字。官方在模型卡里写道：我们还推出了 LingCode——一个基于开源 coding agent Pi 构建、并经过增强的 harness，支持"运行数小时、涉及数百轮工具调用、需要反复进行上下文压缩"的复杂长程编程任务；LingCode 在一些 coding agent 任务上带来了显著的性能提升，未来考虑开源。

翻译一下：百灵意识到，长程 agent 任务缺的不是模型，而是能稳定跑完数小时任务的"考场"——任务编排、工具调用循环、上下文压缩策略，这些基础设施决定了 agent 能力的上限。自己造了个 harness，还跑出了"显著提升"，然后说"考虑开源"。这是一个值得玩味的姿态：模型开源是确定的，harness 开源是"考虑中"。考场的设计权，暂时还攥在自己手里。

对 vibe coder 来说，LingCode 的思路可以直接借鉴：当你的 agent 在长任务上越跑越偏时，问题往往不在模型智商，而在 harness——要不要做中间 checkpoint、什么时候压缩上下文、工具调用失败几次后放弃。百灵把这套东西产品化了，说明"长程任务工程"正在成为 agent 落地的显学。

生态与部署：day-0 就给了 SGLang 镜像

开源模型的成色，一半看权重，一半看"跑起来有多顺"。这次百灵在部署侧的准备相当充分：

• day-0 SGLang 镜像：lmsysorg/sglang:dev-ling-3.1-flash，自带 MTP（NEXTN）推测解码和 Hopper 解码优化；
• vLLM 支持：给了完整的 serve 命令，tensor 并行 8、专家并行、--tool-call-parser ling3 等参数都写好了；
• 官方 cookbook：SGLang 文档里有针对 H200、GB300、H800、H100、B200 的验证配方，以及 HiCache、推理开关、工具调用的实测准确率/速度数据；
• 采样参数：官方推荐 temperature=1.0、top_p=0.95、top_k=20，并建议开启 enable_thinking。

另外，模型卡还附了一份训练内容摘要（Training-content summary）PDF，披露训练内容的覆盖范围。这在国产开源模型里不算多见，是个加分项——虽然它"不替代技术文档、使用条款或许可证"，但至少把"模型见过什么"这件事摆到了台面上。

部署门槛也要说清楚：官方示例是 8×H200（TP8+EP8），4×GB300 可降到 TP4+EP4。这意味着满血版依然是"团队级"硬件。个人开发者更现实的路径是等社区的量化版本，或者通过 OpenRouter 这类聚合平台调用——模型卡首页就挂了 OpenRouter 入口。

格局：开源赛道的"下一场"已经开哨

把时间线拉长看，Ling-3.1-flash 的开源踩在一个很微妙的时间点上。第一财经这篇报道的"相关阅读"里并列了三条：智谱 GLM-5.3 侧重编程能力与网络安全、头部厂商密集更新开源模型、DeepSeek 调用量达 OpenAI 三倍。国产开源模型正在经历一次集体换挡——从"参数竞赛"转向"场景卡位"，而编程智能体是所有人都在押的场景。

这个判断有三重证据。第一，各家都在往 coding agent 基准上靠：本站此前报道过 Z.ai 的 GLM-Legal 拿法律基准说事、阿里 Qwen 团队为极长时 agent 训练做弹性调度（QwenGyre），现在百灵直接把 Terminal-Bench 4.0 和 SWE-bench Pro 写进发布头条。第二，工具链适配成了发布标配：以前开源模型发布只说"支持 transformers"，现在要逐个点名 Claude Code、Kilo Code、Qwen Code——模型发布会开成了生态发布会。第三，harness 正在成为新的护城河：LingCode"考虑开源"的措辞，说明各家都意识到，决定 agent 体验的不仅是权重，还有把权重变成"能干活"的整套工程。

对观察者来说，一个值得跟踪的问题是：当所有开源模型都宣称"为 agent 而生"时，差异化会落在哪里？我的猜测是三个地方：长上下文的真实可用性（1M token 里有多少是"有效记忆"）、工具调用的稳定性（MCP-Atlas 这类基准的分数方差）、以及 harness 与评估体系的话语权。Ling-3.1-flash 在第一点上下了重注（KDA+MLA 的交错设计就是为 1M 上下文服务的），后两点则要等社区实测。

给 vibe coder 的三条实操建议

新闻看完，落到行动上。如果你是每天用 agent 写代码的人，这次开源意味着什么？

第一，把它加入你的"备选发动机"清单，但先别换主力。官方点名的 Claude Code、Kilo Code、Qwen Code、OpenClaw 适配意味着接入成本很低，值得跑一组你自己的"金丝雀任务"（比如一个你熟悉的中等规模重构）对比一下。但在第三方独立评测出来之前，不要把生产管线押上去——官方分数图之外的数字，目前都是未知数。

第二，1M 上下文改变的是"任务切分"习惯。过去我们被迫把大任务切碎，是因为上下文装不下；如果 1M 上下文真实可用（KDA+MLA 的设计目标就是这个），你可以尝试把"整个模块的重构"一次性扔给 agent，而不是拆成十个小任务。当然，前提是先验证长上下文下的指令遵循率没有衰减——这正是 LingCode 这类 harness 要解决的问题，你也可以用自己的任务做简易版测试。

第三，关注 LingCode 是否真的开源。如果它开源了，那将是第一个大厂出品、专为"数小时、数百轮工具调用"设计的 coding agent harness。它的上下文压缩策略、失败重试逻辑、中间 checkpoint 机制，每一条都可以直接抄进你自己的 agent 工作流。即使它最终不开源，"长程任务需要专门 harness"这个判断本身也值得你现在就动手：给你的 agent 加上任务级 checkpoint 和压缩策略，收益是立竿见影的。

最后留三个未回答的问题，也是我会继续跟踪的：LingCode 到底开不开源、什么时候开？1M 上下文在真实长任务中的有效记忆比例是多少？以及，560B 权重的具体许可证条款是什么（模型卡说训练内容摘要"不替代使用条款"，条款细节值得细读）？开源的下半场，拼的是这些细节。