百靈（Ling）——從萬億旗艦到 5.1B 高效執行節點，Ant Group 的三線 AGI 棋局

#ai-agent #llm #ant-group #model-family-ling #moe #open-source #agent #finance

Inkling——從 OpenAI 出走團隊到 975B 開源旗艦，以及 Tinker 微調平台的生態賭注 Laguna——從 33B 本機小鋼炮到 118B 長程推理，Poolside 三個月三連發的賭注

🌏 English version

2025 年 3 月，蚂蚁集團在非 A100/H100 的異構計算平台上驗證了 MoE 大模型的工程可行性——這是百靈家族的起點。十五個月後，它交出了一個涵蓋 7.9B 到 1T 參數、橫跨文本、推理與全模態的开源矩陣。2026 年 9 月 9 日外灘大會上，家族再添一名成員：Ling-3.0-flash-Fin，首個金融增強模型。

這是「AI 模型家族」系列的第二十篇家族深度介紹，追溯百靈從萬億旗艦到 5.1B 高效執行節點的完整演進路徑，以及它「規劃-執行分離」的 AGI 佈局。

怎麼解讀文中引用的 benchmark 數字，請參考AI 模型評測來源指南。這篇是AI 模型用途總覽系列的一部分。

家族演化時間線

時間	版本	關鍵意義
2025-03	Ling 1.0	在非高端異構計算平台上驗證 MoE LLM 工程可行性，完成國產算力平台適配
2025-09	Ring-1T-preview	史上首個開源萬億參數思考模型
2025-10-09	Ling-1T + Ring-1T	萬億旗艦非思考模型 + 思考模型同步開源，Ling/Ring/Ming/Ming 三系列正式成形
2025-10	Ling 2.0 系列	首度突破萬億參數規模，FP8 端到端訓練，1M context
2026-02	Ling-2.5-1T + Ring-2.5-1T	Ling 2.5：混合線性注意力、AIME 2026 僅用 5,890 token 達前沿效果；Ring 2.5：IMO 2025/CMO 2025 雙金
2026-02	Ming-flash-omni-2.0	業界首個統一語音、音樂與音頻的單一架構全模態模型
2026-04	Ling-2.6-1T	萬億旗艦「快思考」：MLA + Linear Attention 混合架構，AIME 2026 領先，SWE-bench Verified 達開源前列
2026-04	Ling-2.6-flash	104B/7.4B，OpenRouter 匿名版「Elephant Alpha」連續多日 Trending 榜首
2026-05	Ring-2.6-1T	萬億級深度思考模型，適合複雜推理與長程自主執行
2026-07-23	Ling-3.0-flash	124B/5.1B，原生混合線性架構，KDA + MLA 5:1，對照 1T 旗艦效能
2026-08	Ling-3.0-tiny	7.9B/1.3B，純本地部署，無雲端依賴
2026-08	Ling-3.0-flash-VL	124B/5.5B，視覺語言模型，AA Intelligence Index 42，支援圖像與影片輸入
2026-08	Ling-3.0-flash-Fin	124B/5.1B，金融增強，MIT 開源，聯合中金開發 FinFIRST 評測基準
2026-09-09	外灘大會	Ling-3.0-flash-Fin 正式宣布開源，全面量產 BF16/FP8/FP4/INT4

一年半、十二個里程碑。百靈的演化有一條清晰的主線：先以萬億參數證明技術上限，再用架構創新壓縮到高效小模型，最後以垂直領域版本（Fin）開拓場景深度——規模不是目的，「智效比」才是。

三條產品線：Ling 執行、Ring 思考、Ming 多模態

看懂百靈家族的架構關鍵，是把它拆成三條平行線（外加一條實驗線）：

Ling 系列（非思考/通用）：從 Ling-mini 到 Ling-3.0-flash 的全尺寸矩陣，以 MoE 架構實現「旗艦智能、Flash 效率」。這條線負責執行——高速推理、工具呼叫、高頻 Agent 任務。Ling-3.0-flash 的定位是「規劃-執行分離」範式中的執行節點。

Ring 系列（思考/推理）：從 Ring-1T 到 Ring-2.6-1T 的萬億思考模型，專注深度推理、數學證明和長程自主執行。Ring 2.5-1T 在 IMO 2025 拿到 35/42（金牌標準）、CMO 2025 拿到 105/126（超越中國國家隊切線）。這條線負責「規劃」——複雜問題的多步推演。

Ming 系列（全模態）：統一文字、圖像、音頻、影片的跨模態理解與生成。Ming-flash-omni-2.0 是業界首個在同一架構中統一語音、音樂與音頻的模型。

LLaDA 系列（實驗）：擴散模型實驗線，包含 LLaDA-MoE、LLaDA 2.0/2.1/2.2，探索非自回歸生成路徑。

三線並行的邏輯是：Ling 負責「快且省」，Ring 負責「深且嚴」，Ming 負責「全且通」。三者共用底層訓練基礎設施與架構創新（混合線性注意力、MoE 路由優化），但推理時各司其職。

架構演進：從混合線性到原生混合線性

百靈家族的架構躍遷可以濃縮為一條線：

Ling 1.0（2025-03）：在非高端異構計算平台上驗證 MoE 可行性，完成國產算力平台適配。這是工程驗證階段，架構本身還在摸索。

Ling 2.0（2025-10）：首度突破萬億參數，引入 FP8 端到端訓練。訓練效率大幅提升，實現跨領域泛化。上下文窗口達到 1M。

Ling 2.5（2026-02）：混合線性注意力架構（Hybrid Linear Attention）登場——將注意力層以 1:7 比例混搭 MLA 和 Lightning Linear Attention。顯著提升長程推理場景的吞吐能力：32K+ Token 長文本生成時，訪存規模降低 10 倍以上，生成吞吐提升 3 倍以上。

Ling 2.6（2026-04）：「快思考」路線確立。Ling-2.6-1T 捨棄業界普遍追求的「慢思考」多步推理模式，轉而以極低 Token 開銷直達結果。在 AIME 2026 上顯著領先其他非思考模型，SWE-bench Verified、TAU2-Bench、BFCL-V4 均達開源前列。Ling-2.6-flash 以 104B/7.4B 在 Agent 相關基準上達到同尺寸 SOTA。

Ling 3.0（2026-07）：從「混合線性」升級為原生混合線性設計。核心創新是 KDA（Kimi Delta Attention）從 Lightning Attention 脫胎換骨——引入細粒度對角門控（diagonal gating）於 Delta Rule 狀態更新，長序列記憶更新更精確。MoE 專家激活比從上一代的 1/32 壓縮到 1/64，模型容量不變但計算效率大幅提升。KDA 與 MLA 層以 5:1 比例交替，在長上下文效率與狀態記憶之間取得平衡。

這條路徑的意義是：百靈不是在「放大模型」，而是在**「壓縮智能」**——每次世代都用更少的激活參數達到同等甚至超越更大模型的效能。

家族矩陣與選型

Ling 3.0 核心模型

面向	Ling-3.0-tiny	Ling-3.0-flash	Ling-3.0-flash-VL	Ling-3.0-flash-Fin
總參數	7.9B	124B	124B	124B
激活參數	1.3B	5.1B	5.5B	5.1B
定位	純本地離線	生產級 Agent 執行	視覺語言	金融增強 Agent
輸入	文字	文字	圖像 + 影片 + 文字	文字
Context	256K	256K → 1M	256K	256K → 1M
開源	是	是	是（MIT）	是（MIT）
適用場景	個人知識管理、離線	高預 Agent、coding	視覺理解、多模態推理	投研、財報、估值
AA Intelligence Index	N/A	38	42	41

Ling 3.0-flash 衍生版本（Hugging Face）

版本	說明	權重大小
`Ling-3.0-flash`	BF16 基座	127.5B 參數（含 3.1B MTP head）
`Ling-3.0-flash-fp8`	序列化 block-FP8 量化	約 66B
`Ling-3.0-flash-fp4`	MXFP4 壓縮量化	約 33B
`Ling-3.0-flash-int4`	對稱 W4 壓縮（僅路由專家）	約 16B
`Ling-3.0-flash-dspark`	投机解碼 draft 模型（加速用）	1B
`Ling-3.0-flash-base-midtrain`	預訓練中期檢查點	127B

同樣的量化與衍生版本也提供給 Ling-3.0-flash-Fin（含 -fp4 版本）與 Ling-3.0-tiny（含 -fp8 版本）。

完整 Ling 3.0 矩陣（含量化和衍生版）

品項	授權	取得方式
Ling-3.0-flash（BF16）	MIT	Hugging Face `inclusionAI/Ling-3.0-flash`
Ling-3.0-flash-fp8	MIT	同上，權重頁量化列表
Ling-3.0-flash-fp4	MIT	同上
Ling-3.0-flash-int4	MIT	同上
Ling-3.0-flash-dspark	MIT	Hugging Face `inclusionAI/Ling-3.0-flash-dspark`
Ling-3.0-flash-VL	MIT	Hugging Face `inclusionAI/Ling-3.0-flash-VL`
Ling-3.0-flash-Fin	MIT	Hugging Face `inclusionAI/Ling-3.0-flash-Fin`
Ling-3.0-flash-Fin-fp4	MIT	同上
Ling-3.0-tiny	MIT	Hugging Face `inclusionAI/Ling-3.0-tiny`
Ling-3.0-tiny-fp8	MIT	同上
API（OpenRouter）	限免 / 付費	`inclusionai/ling-3.0-flash:free`、`:fin:free`、`:vl:free`、`/tiny`

架構細節

所有 Ling 3.0-flash 系列共享同一基礎架構：

42 層 Transformer：35 層 KDA（Kimi Delta Attention）+ 7 層 Gated MLA（比例 5:1）
512 個路由專家 + 1 個共享專家，每 token 啟用 8 個專家（MoE 1/64 稀疏比）
Hidden size 2560，Expert intermediate size 768
詞彙表 157,184
3.1B MTP（多 token 預測）head，使完整檢查點達 127.5B 參數
上下文訓練階段：8K → 32K → 256K
SGLang HiCache + Mooncake 分層快取，長輸入 TTFT 減少 60–80%
支援 vLLM 0.25.0+（含 Bailing V3 原生支援）

選型邏輯

要本地離線、小型任務——tiny。要高速 Agent 執行、coding、一般推理——flash。要視覺理解、多模態推理——flash-VL。要金融領域專業——flash-Fin。要推測解碼加速——搭配 dspark draft 模型。

開源策略與生態

百靈的開源策略有三個特點：

第一，授權乾淨。從 Ling-1T 到 Ling-3.0-flash-Fin，幾乎所有模型都掛 Apache 2.0 或 MIT 授權。對比 Qwen 3.8-Max 的自訂條款和 Llama 的 Community License，百靈的授權對商業使用者更友善。

第二，國產算力適配。從 Ling 1.0 開始就強調在非 A100/H100 異構計算平台上的運行能力。Ling-3.0-flash 已獲華為昇騰 0 Day 支持（全新算子編程框架 CANN PyPTO）。這降低了國內開發者的自架門檻。

第三，框架生態完善。SGLang、vLLM、TokenSpeed、llama.cpp、transformers 全支援。百靈已驗證與 Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw 等主流 Agent 框架的相容性。

與競品的位置

百靈在 2026 年的位置可以用兩個維度描述：

開源領先：Ling-3.0-flash 在多個核心基準上「對照甚至超越參數規模 2-3 倍的行業領先模型」。獨立評測（frangelbarrera/Ling-3-flash-evaluation，845 次 API 呼叫、12 個測試階段）給出 7.0/10 的綜合評分，在 jailbreak resistance（20/20 = 100%）和安全性（10/10 間接注入未被執行）上表現突出。

對照中國開源：Ling 2.5-1T 在 AIME 2026 上僅用 5,890 token 就能達到前沿思考模型 15k–23k token 的效果——這個 token 效率在同期 DeepSeek V4、Kimi K2.5、GPT-5.2 之間屬於領先級。

不足之處也很明確：封閉前沿（Claude、GPT）全面領先，Ling 在 SWE-bench 等頂級編程基準上仍有差距（Ring-2.6-1T 的 Terminal-Bench 2.1 57.5 vs GPT-5.4 的更高分數）。另外，flash-Fin 雖然在金融基準上領先，但通用基準（AA Intelligence Index 41）仍低於頂級閉源模型。

對 Agent 開發者的意義

如果你在做視覺/多模態 Agent（圖像分析、影片理解、視覺推理）：Ling-3.0-flash-VL 是開源生態中最高效的視覺語言模型——124B/5.5B 架構、AA Intelligence Index 42、256K context，支援單次請求最多 40 張圖像與影片輸入。

如果你在做高頻 Agent 工作流（coding agent、搜尋 agent、工具呼叫密集的場景）：Ling-3.0-flash 是目前開源中最具「智效比」的選擇之一——5.1B 激活參數達到 1T 旗艦的效能，TTFT 減少 60–80%，單一節點即可部署。搭配 Ling-3.0-tiny 還能做「大帶小」的架構：flash 負責規劃，tiny 負責本地執行。

如果你在做金融相關 Agent（投研、財報分析、估值建模）：Ling-3.0-flash-Fin 是目前開源生態中最完整的金融增強模型，MIT 授權加上 FinFIRST 基準開源，讓你能自架、測試、驗證整套流程。

如果你在做深度推理任務（數學證明、代碼正確性驗證）：Ring-2.6-1T 是比 Ling 更合適的選擇——它專為「慢思考」設計，IMO/CMO 金牌的推理嚴謹度不是 Ling 系列能比擬的。

不適合：追求榜首效能（封閉模型全面領先）、需要語音/全模態輸出（Ling 系列處理文字與視覺，Ming 系列才是全模態旗艦）、需要 100% 生產級可靠性（官方明確聲明 flash-Fin「不構成投資建議」）。

整體來說

百靈家族的核心賭注是「智效比勝於絕對規模」——不是在比誰的參數更大，而是在比同樣的計算資源下誰的智能更高。從 Ling 1.0 的工程驗證，到 3.0 的原生混合線性架構，這條路徑越走越清晰：1/64 的 MoE 專家激活比、KDA 的精確長序列記憶、「規劃-執行分離」的三線並行。

Flash-Fin 的意義不只是一個金融模型，而是「百靈打法」的第一次垂直落地——把通用高效架構 + 領域微調 + 開源評測基準打包成一個完整方案。Flash-VL 則是同一打法在多模態領域的落地：把原生混合線性架構 + 視覺編碼器 + 高效推理打包成開源方案。後續觀察重點是：這套打法是否會複製到法律、醫療、工程等其他垂直領域，以及 Ling-3.0 系列是否會推出語音/影片生成的完整全模態版本填補 Ming 與 flash-VL 之間的空白。