Ling-3.1-flash：蚂蚁百灵推出的 560B 稀疏 MoE 混合推理大模型

一、Ling-3.1-flash 是什么

Ling-3.1-flash 是蚂蚁集团旗下百灵实验室（InclusionAI）发布的新一代稀疏混合专家（MoE）大语言模型，隶属 Ling 系列，定位是面向通用智能体、办公自动化与软件研发的高性价比基座模型。

它在 Ling 系列中处于"快速版"产品线，承接已开源的 Ling-3.0-flash，主打"更大的容量 + 更低的单 token 激活成本"，并在发布初期提供为期约两周的免费试用，后续转为付费服务并计划开源相关版本。

一句话概括：它是一款总参数很大、但每次只动用其中一小部分来推理的"混合思考型"中文大模型，适合需要长文档、长代码、多步任务链的场景。

二、核心功能特色

• 混合推理（Hybrid Reasoning）：支持"思考 / 不思考"两种模式无缝切换。复杂任务可以让它先推理再作答，大批量、低时延场景可关闭思考以换取吞吐。

• 超长上下文：最高支持 1M（100 万 token）上下文窗口；当前免费试用阶段因成本与稳定性考虑，暂时开放约 256K（部分第三方平台显示为 262K）。

• 长程工具调用与 Agent 能力：针对通用智能体、搜索、办公、软件研发等任务链做了持续优化，强调多步工具调用的稳定性与指令遵循。

• 专业领域增强：在医疗、金融、材料科学等高专业度方向做了重点强化，适合文献综述、风险分析、辅助研究设计等任务。

• 大输出长度：最大输出约 32,768 token，配合长输入可支撑长文档撰写、长代码重构等单次长生成任务。

三、技术细节

Ling-3.1-flash 采用稀疏 Mixture-of-Experts（MoE）架构：总参数很大，但每生成一个 token 只路由激活其中一小部分专家子网络，从而把单步计算量压到较低比例。

从代际对比看，总参数从上一代 124B 提升到约 560B（约 4.5 倍），激活参数从 5.1B 提升到约 25B（约 5 倍），代价是单 token 计算量上升，但换来的是更强的长程推理、代码与跨文档综合能力。

四、典型应用场景

1. 办公自动化：长文档撰写、会议纪要、跨项目知识管理、简历筛选、文档审查、知识库整理、数据清洗等批量文本处理。

2. 软件研发：代码生成、自动测试、多模块重构、调试，以及持续集成中的智能代码审查与优化建议。

3. 专业领域辅助：医疗报告与文献解读、金融风险分析、材料科学文献综述与研究设计辅助。

4. 智能体 / Agent：作为多步工具调用、搜索增强、GUI 自动化等工作流的推理底座。

五、使用方法

接入渠道：当前可通过蚂蚁百灵官方 API，以及 Novita AI、Vercel AI Gateway、OpenRouter 等第三方聚合平台调用；OpenRouter 上的模型标识为 inclusionai/ling-3.1-flash。

接入步骤：

1. 在对应平台注册并获取 API Key；

2. 在平台模型列表中选择 inclusionai/ling-3.1-flash；

3. 用兼容 OpenAI / Anthropic 风格的接口发起对话请求。

最小调用示例（OpenAI 兼容风格，仅供参考，实际字段以所选平台文档为准）：

from openai import OpenAI

client = OpenAI(
  base_url="https://你的接入平台/v1",
  api_key="你的KEY"
)

resp = client.chat.completions.create(
  model="inclusionai/ling-3.1-flash",
  messages=[{"role": "user", "content": "帮我总结这份长文档的核心结论"}]
)
print(resp.choices[0].message.content)

关于上下文：免费试用阶段默认约 256K，付费后官方计划开放完整 1M 窗口，具体可用长度与速率限制以所选平台当期说明为准。

六、与同类产品对比

下面选取同属国产稀疏 MoE、定位相近的三款模型做横向对比（均为公开规格，价格不在此讨论范围）。

怎么选：需要 1M 超长上下文与多模态，可看 GLM-5.3-Flash；需要成熟稳定的通用对话与推理、生态资料丰富，DeepSeek-V3.2 是稳妥选择；Ling-3.1-flash 的差异化在于蚂蚁百灵对 Agent、办公与研发工作流的优化，以及更大的 560B 容量潜力，适合愿意跟进新模型、追求长任务链表现的团队试用。

七、常见问题解答

Ling-3.1-flash 是闭源还是开源？

发布初期以 API 形式提供免费试用并转付费，官方计划后续开源相关版本；具体开源时间与权重范围以蚂蚁百灵 InclusionAI 社区公告为准。

现在免费试用能用到多大上下文？

为控制成本与稳定性，试用阶段暂时开放约 256K（部分第三方平台显示为 262K）；完整的 1M 上下文要在转付费后才开放。

560B 总参数是不是每次都要跑全部参数？

不是。它是稀疏 MoE，每生成一个 token 只激活约 25B（约 4.5%）的参数，因此单步计算成本远低于同等规模的 Dense 模型。

它和 Ling-3.0-flash 有什么区别？

主要是规模与容量升级：总参数从 124B 增至约 560B，激活参数从 5.1B 增至约 25B，上下文规划从 256K 提升到最高 1M，长程任务与代码能力是重点强化方向。

支持图片、视频输入吗？

Ling-3.1-flash 本身是文本模型；需要图文、视频理解的多模态能力，要看 Ling 系列中的 Ling-3.0-flash-VL 等专用多模态型号。

普通用户不写代码能用上吗？

可以。除官方 API 外，它已上架 OpenRouter、Vercel AI Gateway、Novita AI 等平台，可在这些平台的对话界面或支持自定义模型的客户端中直接选用。

八、总结

Ling-3.1-flash 是蚂蚁百灵在 Ling-3.0-flash 之后推出的一次"规模跃升"：约 560B 总参数配合约 25B 的单 token 激活，用稀疏 MoE 的方式把大容量和可控推理成本结合在一起，并把上下文上限规划到 1M。它的设计重心不是单纯刷榜，而是围绕通用智能体、办公自动化和软件研发这些真实长任务做优化，同时在医疗、金融、材料科学等专业方向做了增强。目前它以 API 形式提供，免费试用阶段开放约 256K 上下文，付费后解锁 1M，开源也在官方计划之中，适合有长文档、长代码、多步 Agent 需求的开发者和团队重点评估。