蚂蚁 Ling 3.0 Flash 重划开源效率前沿
第三方评测 Artificial Analysis 给蚂蚁 124B 开源模型打出 38 分，其约 5B 的激活参数量领先所有同档 flash 级模型。
第三方成绩
UTC 时间 7 日深夜，Artificial Analysis 公布了蚂蚁集团 Ling 3.0 Flash 的独立评测结果：在其 Intelligence Index v4.1.1 版本中得 38 分。该机构表示，这个总参数 1240 亿、每 token 激活约 50 亿参数的 MoE 模型，把开源模型在“智能水平 vs 激活参数量”上的帕累托前沿又向前推了一步，明显领先激活参数在 100 亿以上的同档 flash 级模型；在“智能水平 vs 总参数量”维度上，它同样位于前沿。
变化最剧烈的是幻觉表现。在惩罚“自信答错”而非单纯奖励答对的 AA-Omniscience 指标上，Ling 3.0 Flash 得 -18 分，相比上一代 Ling 2.6 Flash 的 -66 分提升了 48 分。Artificial Analysis 认为，这一进步主要来自幻觉率下降，而非知识覆盖面扩大。
模型情况
Ling 3.0 Flash 出自蚂蚁集团模型团队 inclusionAI，权重已于本月早些时候以 MIT 协议在 Hugging Face 与魔搭上线，提供 BF16（约 255GB）和 FP8（约 128GB）两个版本，可通过 SGLang、vLLM 部署。架构上采用原生混合线性注意力，以 5:1 的比例交替堆叠 KDA（Kimi Delta Attention）与 MLA 层，原生支持 256K 上下文并可扩展至 1M。蚂蚁此前称，该模型在其公布的多数基准上追平甚至超过自家万亿参数旗舰。
为何重要
决定推理成本的是激活参数量，而不是总参数规模。一个只用约 50 亿激活参数就能与体量大得多的开源模型打进同一档位的模型，会直接改变智能体大规模落地时的成本账——在这类场景里，用户的一次请求往往触发几十次模型调用。第三方复核比厂商自绘的图表更有说服力，而幻觉指标才是真正影响工程落地的部分：小激活量模型过去常以“多猜”换速度，而这恰恰是自动化流水线最受不了的。这一结果也再次说明中国团队的用力方向：在“单位智能成本”的前沿上竞争，而不是死磕榜单绝对分数。