让模型自己连跑十几个小时改代码，卡点从来不是智力，而是它跑着跑着就忘了目标。蚂蚁新发的 Ling-3.1-flash 把参数总量压到只激活一小部分，上下文开到百万级，官方演示里它从零连写了十几个小时编译器。榜单分数直接翻倍，可评论区一句跑分与体感落差，又把它拉回了地面。
产品概述
Ling-3.1-flash 是蚂蚁集团百灵团队在 2026 年 9 月 30 日发布的长流程任务模型，总参数约 560B，每个 token 只激活约 25B，上下文窗口上限 1M。官方给的定位很克制：它不是聊天模型，而是能在数小时连续执行中保持目标和历史信息一致的生产级模型。
上一代 Ling-3.0-flash 在 7 月发布，总参数 124B、激活 5.1B。四个月后这一代把总参数放大约 4.5 倍，每 token 激活参数放大到约 4.9 倍，激活比例从 4.1% 微调到 4.5%。总参数堆上去的同时保住稀疏度，这是它敢把 Flash 这个名字继续用下去的底气，也是它能被塞进托管渠道的前提。
场景上还有两条线。百灵给它的主战场是日常办公、搜索和软件研发，同时在医疗、金融、材料科学上做了场景化对齐，其中医疗那部分基于阿福、好大夫等应用的真实反馈做强化学习。入口目前有两个，官方对话端和一个蚂蚁数科的大模型服务平台，都是注册即可用。
官网：https://chat.ant-ling.com/chat
服务平台：https://maas.antdigital.com/models/modelservice-1790229240754001388
官方发布：https://mp.weixin.qq.com/s/-eHoHAYQXgPP-EUpKgoCcA
核心功能
定位说完了，真正决定它能不能连干十几个小时的，是结构。
7 层 KDA 配 1 层 Gated MLA
主干用的是混合线性注意力，7 层 KDA 配 1 层 Gated MLA 交替堆叠；MoE 侧设 512 个路由专家，每个 token 选 8 个路由专家再调 1 个共享专家。翻成大白话：绝大多数层用线性注意力把长序列的计算量压下来，每隔 7 层插一层全局注意力，把丢掉的精度补回来。
这么搭的直接后果是长上下文跑得动。1M 窗口如果全用标准注意力，KV 会先把显存吃干净；混合线性结构把大部分层的缓存压成常数级，只留 Gated MLA 那一层维持完整全局注意力。官方架构说明里还提到辅助损失自由的 sigmoid 路由、多 token 预测、QK-Norm 和 Partial-RoPE，并声称这套设计比等效稠密架构效率高 7 倍。
那个 7 倍要打折看。官方没给具体负载、硬件配置和效率口径，拿它做横向对比是不成立的。可以确认的只是方向：这套组合是为了在保住模型容量的同时，把长上下文推理的成本按下去，而不是单纯把参数量做大。
长流程任务闭环
参数之外，真正决定体感的是它把一次任务当成一条链在跑。
需求梳理、任务规划、工具调用、中间结果校验、路径修正，这五步被串在同一条工作链路里。跟常规对话模型的差别在于状态怎么保存：普通模型每轮对话都是重新开始，它要在几小时里维持同一个目标和历史信息。官方明确建议长任务配 Claude Code、OpenCode 或 Pi 这类 harness，让外层管工具调用和中间状态。
官方最有说服力的两个演示都是这种活。一个是连续约 17 小时从零写一个 Lua 到 x86-64 ELF 的编译器，182 项测试过了 178 项，通过率约 97.8%。另一个是约 20 小时把 C 图像库移植成 Rust，跑出 8.015 倍加速。同期还有 Pyright 优化 1.432 倍且 2279 项测试全过，以及在 OceanBase 开源版上自主定位并修复了一个高危栈溢出漏洞。
注意这批数字全部是厂商自述，没有第三方复现，官方自己的对照表里也有项目输给竞品。当预告片看比较合适。
规格一览
| 能力 | 规格 | 说明 |
|---|---|---|
| 总参数 / 激活 | 约 560B / 约 25B | 激活占比约 4.5%，上一代为 4.1% |
| 注意力结构 | 7 层 KDA + 1 层 Gated MLA | 混合线性注意力 |
| MoE 路由 | 512 个路由专家 | 每 token 选 8 个路由专家加 1 个共享专家 |
| 上下文 / 输出 | 1M / 32,768 | 官方称训练支持 1M |
| 服务窗口 | 262K | 免费体验期限制为 256K |
| 推理模式 | 混合推理 | 带显式思考开关 |
| 模态 | 文本与代码 | 不含图像、音频输入 |
| 权重状态 | 未发布 | 计划付费版上线后开源 |
上手体验
看完结构，接下来最想知道的是上手要花多少功夫。
网页端最快。打开 Ling Studio 登录就能用，两周免费期内功能全开，上下文限 256K。想按量接入就走蚂蚁数科的服务平台。第三方渠道铺得也快：Vercel 的 AI Gateway 上过架，免费到 10 月 13 日；Novita AI 提供托管 API；OpenRouter 有列表；opencode 在 10 月 2 日上了免费的 ling-3.1-flash-free，不过它默认的变体档位不能选，只能切到 low。
第三方社区那轮实测的结论可以先看：基础能力达标，速度中档，有干活能力。事实性 5 道全对、幻觉率 0%，推理两道全对，八个样本重复输出没有空答，中文全角标点加 emoji 的指纹复述 9 项一字不差。速度上输出中位 21.4 tokens 每秒，单请求端到端中位 2.35 秒，放在免费档里算可用，不算快。
干活这块它真交付过东西。有人让它开发一个简化版 WPF 浏览器，三个功能模块加一份文档全部落地，构建通过，GUI 启动 12 秒存活，CefSharp 成功渲染出 Bing 首页。另有一组九个执行式 Python 基准，它 9 题全过，平均耗时 6.4 秒，每次调用消耗 464 个推理 token，比同门的视觉版多想近一倍。
吐槽也很集中。免费档的请求限流卡得很死，全程断断续续，那轮 WPF 开发就是在这种状态下断着做完的。官方推荐的 harness 长任务路径在体验期基本跑不痛快，这大概是它现在最尴尬的地方：能力演示按小时算，体验窗口按请求数卡。
使用技巧
几个能让它少翻车的用法，官方文档提得比较散。
很多人不知道还有这些进阶用法：
- 把 harness 当成模型的一部分：官方明确建议长任务配 Claude Code、OpenCode 或 Pi，外层管工具调用和中间状态，直接丢对话框里跑十几个小时的活基本会散
- 固定前缀吃缓存：实测缓存命中率最高到 99.8%，干活场景 96.2%，同会话反复调用的 input 增量中位只有 67 token，系统提示和工具定义越稳定越省
- 按交付物切任务：官方口径是形成可检查、可继续使用的工作成果，把大活拆成几段可验收的产物，中途才有纠偏机会
- 思考开关按任务分档：它带显式 thinking 开关，简单改写别开，复杂重构再拉开，实测每次调用会花掉 464 个推理 token
- 合规敏感的活先别进体验期：权重没发布，只能走托管 API，数据出不出得去要先算清楚
竞品对比
跑分之外，真正决定选型的是它在同档里排第几。
这个档位现在很挤。GLM-5.3-Flash、DeepSeek V4.1 Flash、Gemini 3.8 Flash 都在抢同一批智能体场景，谁先把长任务跑稳谁就有话语权。先看一张定性表，价格和实际成本单独放在后面说。
| 对比维度 | Ling 3.1 Flash | GLM-5.3-Flash | DeepSeek V4.1 Flash | Gemini 3.8 Flash（High） |
|---|---|---|---|---|
| 核心定位 | 长流程 Agent 交付 | 编码与智能体通用 | 长上下文编码性价比 | 多模态通用档 |
| 参数 / 激活 | 560B / 25B | 未公开 | 552B / 读 8B 写 16B | 未公开 |
| 上下文窗口 | 1M（免费期 256K） | 1M | 1M | 1M |
| 权重开放 | 计划开源，未落地 | 开源可下载 | MIT，权重已发布 | 闭源 |
| 模态 | 文本与代码 | 文本与代码 | 原生多模态 | 原生多模态 |
| 免费额度 | 两周全功能 | 无 | 无 | 无 |
| 计费口径 | 正式价未公布 | 按量计费 | 闲时输出 4 元每百万 | 按量计费 |
Artificial Analysis 把它的成绩与 GLM-5.3-Flash、Gemini 3.8 Flash（High）、DeepSeek V4.1 Flash（Max）放在邻位，说明在智能指数口径上它确实挤进了这个赛道，不再是上一代那种陪跑位置。这代提升最大的两块是终端和自动化：Terminal-Bench 从上一代的 0% 提到 33%，AutomationBench-AA 从 3% 提到 62%；知识准确率从 18% 升到 29%，幻觉率从 44% 降到 38%，是少见的两头一起变好。
这张图看的是价签之外的东西：表格给的是规格和单价，图上跑完一个任务的实际花费。同一口径下它完成一个智能指数任务要 0.99 美元，比 GLM-5.3-Flash 的 0.42 和 DeepSeek V4.1 Flash 的 0.32 贵出两到三倍，只比 Gemini 3.8 Flash（High）的 1.24 便宜。分数翻倍是真的，账单跟着涨也是真的。
用户反馈
榜单和实测之间那道缝，评论区说得比榜单直白。
视频平台上那期测评下面，第一条高赞就点了题：跑分看着像接近顶级水平，实际体感差一截。同一层评论里还有勉强能用但敷衍、我试过 3.0 不看好它这类说法。做本地部署的人情绪最直接，说的是纯粹浪费算力卡，不如把卡留给别家。
生态那条吐槽信息量最大。有用户指出官方对 gguf 社区不上心，llama.cpp 跑上一代 flash 持续生成无输出的问题一直没解决，而这恰好是本地部署最常走的那条路。这是上一代开源版留下来的坑，不是这一代新出的毛病，但它会直接影响本地党要不要押注这一代。
另一个平台上的讨论吵成了两派，非程序员那边有人说拿来写脚本挺好用。样本都不大，够不着下死结论，但跑分高、体感分叉、生态没跟上这三条标签是站得住的。
多维评分
把上面这些信息收拢，按八个固定维度打一遍分。
| 维度 | 权重 | 评分 | 一句话解读 |
|---|---|---|---|
| 功能完整性 | 20% | ⭐⭐⭐⭐☆ | 长上下文、工具调用、混合推理齐了，缺图像与音频 |
| 易用性 | 15% | ⭐⭐⭐⭐☆ | 官网直开，harness 建议明确，但长任务门槛不低 |
| 性能表现 | 15% | ⭐⭐⭐☆☆ | 输出中位 21.4 tokens/s，推理 token 消耗偏高 |
| AI 能力 | 15% | ⭐⭐⭐⭐☆ | 智能指数 41，终端与自动化一次性补上大缺口 |
| 价格合理性 | 10% | ⭐⭐⭐☆☆ | 两周免费很实在，正式价未公布且单任务成本偏高 |
| 生态集成 | 10% | ⭐⭐⭐⭐☆ | Vercel、Novita、OpenRouter、opencode 都已上架 |
| 文档与支持 | 10% | ⭐⭐⭐☆☆ | 架构说明清楚，但价格、许可、安全评测都没公开 |
| 更新频率 | 5% | ⭐⭐⭐⭐⭐ | 三个月内从 3.0 到 3.1，迭代节奏很快 |
综合评分：7.6 / 10
分数高在结构设计和智能体能力的跃升，扣分集中在两处。一是跑分和体感之间的落差，免费期限流让长任务跑不完整，第三方实测里中途中断也不算罕见。二是能验证的东西太少，正式价格没落地，权重没发布，安全评测和红队结果一份都没有，想自己复现都无从下手。
优缺点
优势
- 长流程闭环是真东西：五个环节串成一条链，17 小时编译器演示配 182 项测试 97.8% 通过率，这个长度和完成度在国产模型里不常见
- 稀疏度撑住了成本结构：560B 总参数只激活 25B，混合线性注意力让 1M 窗口在显存上跑得动，长会话开得越多越占便宜
- 智能体短板补得最快：终端与自动化两项一次性提了 33 分和 59 分，知识准确率翻倍的同时幻觉率反而降了 6 个百分点
- 垂直场景有真实数据：医疗方向基于阿福、好大夫的真实需求做对齐，HealthBench Professional 拿到 65.35
- 接入渠道铺得快：发布两周内 Vercel、Novita、OpenRouter、opencode 都上了架，换后端成本很低
不足
- 跑分与体感有落差：第三方实测里做游戏和 3D 模型时中途多次中断，评论区对长任务的完成度评价不高
- 免费档跑不了长任务：限流卡到全程断续，而它最擅长的那批活恰好在体验期做不完
- 单任务成本不便宜：同一口径下每任务 0.99 美元，是国产同档的两到三倍，省钱两个字沾不上边
- 开源和 1M 都还是承诺：权重没发布，官方也没给日期、许可和检查点格式，本地方案无从谈起
适用人群
说到底适不适合你，取决于你要它干几天还是干几分钟。
- 跑长流程 agent 的个人和团队：任务动辄几小时、需要跨多轮保持目标，状态维持能力是这类活的门槛，也是它最硬的卖点
- 要啃大型代码库或长文档的人：1M 窗口能塞下整仓库和完整任务历史，省掉大量手工切分
- 医疗、金融、材料方向的垂直应用：这些场景有对齐训练和公开评测分数支撑，比通用模型的针对性更强
- 已经在用 Claude Code 或 OpenCode 的人：官方推荐的就是这套 harness，换后端不动原有工作流，试错成本最低
- 不太适合的人：要本地部署或私有化的、生产系统要求稳定 SLA 的、只想白嫖免费额度跑大活的，这一代都还接不住
定价方案
价格这块官方话说得很留白，能确定的和不能确定得分开看。
| 计费项 | 价格 | 状态 |
|---|---|---|
| 免费体验期 | 0 美元 | 两周全功能，上下文限 256K |
| 第三方转售（输入 / 输出） | 0.075 / 0.22 美元 | 未确认，非官方口径 |
| 第三方监测（输入 / 输出） | 0.30 / 0.90 美元 | 缓存命中输入 0.06 美元 |
| 正式定价 | 未公布 | 官方未给时间表与计费方式 |
截至 2026 年 10 月 11 日，官方只确认了两件事，免费期结束后转为付费，届时计划开放 1M 上下文并同步开源。表中第二、三行分别来自行业调查与第三方监测，口径不同，不能直接互算，也不该拿来做预算。
价格真正的风险不在数字高低，在口径没定。0.075 和 0.22 美元这组数流传得比较广，但既不是官方公告，也没说清按什么档位计费；0.30 和 0.90 美元更像第三方对托管渠道的估算。对团队来说，现在唯一能算准的账是那两周免费期，拿它把真实任务跑一遍，比研究价格表有用得多。
常见问题
评论区问得最多的几个问题，集中答一遍。
Q1：免费体验期到底给多少？
A1：两周全功能，但上下文卡在 256K。 体验期内可以直接用，不用填表单也不用绑卡；官方说免费期结束转付费后会开放 1M 窗口，但没给具体日期。
Q2：正式定价公布了吗？
A2：截至发稿仍未公布。 流传较广的 0.075 和 0.22 美元来自行业调查，属于第三方转售价；第三方监测给出的 0.30 和 0.90 美元是另一个口径，两者不能互算。
Q3：会开源吗？什么时候开源？
A3：官方承诺开源，但没有时间表。 官方说法是付费版上线后同步开源，至今没公布许可类型、检查点格式和发布渠道，所以本地部署目前还无法规划。
Q4：上下文到底是 1M 还是 256K？
A4：能力上限 1M，当前服务窗口更小。 官方标的是 1M 训练与能力窗口，免费体验期限 256K，第三方托管渠道常见 262K，想用满 1M 要等付费版。
Q5：需要下载安装吗？
A5：不需要，但本地方案暂时没有。 网页端和托管 API 都能直接调用；权重未发布，想在自己机器上跑只能等开源，官方也没有给出硬件建议。
Q6：支持中文吗？
A6：原生支持，中文是主力语种。 百灵针对办公、医疗等中文场景做对齐，第三方实测里中文、全角标点和 emoji 的指纹复述 9 项全部一字不差。
Q7：能接 Claude Code 或 OpenCode 吗？
A7：能，官方就推荐这么用。 官方明确建议长任务配 Claude Code、OpenCode 或 Pi 这类 harness，让外层负责工具调用与中间状态，后端换成它即可。
Q8：适合本地部署的玩家吗？
A8：现在不适合，卡在权重没放出来。 也有用户反馈官方对 gguf 社区投入不足，上一代在 llama.cpp 上持续生成无输出的问题至今没修完，本地党的耐心已经被消耗过一轮。
Q9：和 GLM-5.3-Flash、DeepSeek V4.1 Flash 怎么选？
A9：看你要长任务还是要便宜。 长流程、要模型自己撑几小时，选它；只看单任务成本和生态成熟度，国产那两家更划算，同一口径下单任务花费只有它的三分之一到一半。
Q10：医疗场景的能力靠谱吗？
A10：有公开评测分数，但别当诊断工具。 它在 HealthBench Professional 上拿到 65.35，在同档 Flash 模型里领先，不过这些分数来自厂商自述，真实临床场景仍需专业复核。
结论
Ling-3.1-flash 的野心不在榜单。它想解决的是另一个问题：模型能不能在没人盯着的情况下，连续几小时把一件复杂的事做完，并且交付一份别人接着能用下去的东西。混合线性注意力加稀疏激活是把这个想法落到成本上的手段，智能指数从 20 到 41 是它换来的成绩单。
它适合谁很清楚：跑长流程 agent 的开发者、要吞大型代码库和长文档的团队、医疗金融这类需要垂直对齐的场景。不适合谁也很清楚：要本地部署的人得等开源，要稳定 SLA 的生产系统得等版本沉淀，只想白嫖免费额度跑大活的人会先撞上限流。
建议的做法是拿那两周免费期当压力测试，用一个真实的长任务跑到底，看它中途断几次、断完能不能自己接上。如果接得住，它值得进入你的技术栈；如果接不住，说明你的任务还没到需要它的那一步，先等权重和定价落地也不迟。