蚂蚁百灵开源 Ling-3.1-flash-1019：560B/25B 激活 MoE 再后训练，AA 智能指数从 41 升到 44，同步放出 base 底座

核心背景与行业痛点

开源大模型的竞争已从「刷单项榜」转向「能不能稳定跑完真实的多步智能体任务」。蚂蚁百灵 10 月初发布 Ling-3.1-flash（本站 10 月 3 日已报道），以 560B 总参、25B 激活的 MoE 主打高性价比。这次的 1019 版本没有换底座，而是针对推理和真实智能体工作流做了进一步后训练，并首次把 base 底座一起开源，方便企业在自己的领域数据上继续训练。

架构亮点与底层机制

据 Hugging Face 模型卡，Ling-3.1-flash-1019 采用混合线性 MoE：63 层 KDA 线性注意力加 9 层门控 MLA，比例 7:1，用线性注意力压低长上下文的计算与显存开销，同时保留少量全注意力层维持检索精度。模型有 512 个路由专家、1 个共享专家，每 token 激活 8 个专家，上下文窗口 1M token。权重为 MIT 许可，可商用。

权威 Benchmark 与实测跑分对比

以下均为官方/厂商口径：Artificial Analysis 智能指数 v4.3.2 得 44 分，前代为 41；AA-Briefcase 从约 1400 升至 1524 Elo，AutomationBench-AA 从 62% 升至 68%，CritPt 从 18% 升至 26%，SciCode 从 54% 升至 57%。这些分数由蚂蚁在模型卡与官方 X 帖中公布，Artificial Analysis 官网的独立页面本轮未逐项核对；与闭源前沿模型的横向对比官方未公布。

开发者实战落地与开箱指南

权重可在 Hugging Face 与 ModelScope 的 inclusionAI 组织下载。官方推荐 SGLang 部署，提供 day-0 镜像 lmsysorg/sglang:dev-ling-3.1-flash，8 张 H200 用 TP8+EP8、4 张 GB300 用 TP4+EP4，并支持 MTP 投机解码；vLLM 需开启 ling3 的工具调用与推理解析器。推荐采样参数为 temperature 1.0、top_p 0.95、top_k 20，并打开 enable_thinking。560B 体量仍需多卡服务器，个人开发者更适合走在线试用或第三方 API。