Ling-3.0-flash-VL：蚂蚁的55亿激活参数视觉模型以25分登上智能指数榜

Ling-3.0-flash-VL 现在有了一个并非蚂蚁集团任何人录入的基准分数，而这本身就是新闻。蚂蚁 inclusionAI 实验室推出的首个原生多模态模型，在 Artificial Analysis 智能指数上得分 25——这是一次独立评测，采用当前的 v4.3 量表，并与一个列出其速度、延迟和价格的模型页面一同发布。它出现在厂商自家模型卡声称在同一指数上取得42分的三周之后，而对读者来说，面对这两个数字最有用的做法，就是理解它们为何并不矛盾：蚂蚁依据的是智能指数协议 v4.1.1，Artificial Analysis 依据的是 v4.3，而这是两把由不同评测集构建的、不同的尺子。与其说厂商的数字是在与第三方接触后没能站住脚，不如说它是在一个该数字写下时还不存在的量表上被重新测量了。

评分背后的模型是一个稀疏混合专家模型，总参数量为 124B，每个 token 大约激活 5.5B，以 MIT 许可证发布，提供 BF16 和 FP8 权重，接受文本、图像和视频输入并返回文本。这个激活参数量就是它的全部论据。以 5.5B 的激活量，Ling-3.0-flash-VL 正处于开放模型中最引人注目的那条曲线上——智能前沿是以激活参数量而非总规模来绘制的——它之所以在那里，是因为它每单位推理算力能完成相当多的工作，而不是因为它体量巨大。

本文涵盖实际交付了什么以及何时交付，独立测评怎么说，为什么 Pareto 的说法比大多数更站得住脚，这个模型的成本是多少，以及你实际上可以在哪里调用它。简短版本，给只想知道这些的人：Ling-3.0-flash-VL 是真实存在的，开放权重，推理服务成本异常低，在其规模级别中可测量地高于平均水平，并且明显比原始得分所暗示的更冗长、交付更慢。其厂商声称的 42 从未被独立复现，也无法与现在榜单上的 25 相提并论。

实际交付了什么，以及那条不断被抹平的时间线

关于此次发布的报道往往把几个独立事件压缩成一个上线日期，而这些日期很重要，因为它们解释了为什么早期的文章所描述的模型，Ant 之外的人根本没法评测。Hugging Face 仓库 inclusionAI/Ling-3.0-flash-VL创建于 2026 年 9 月 4 日——64 个分片的 BF16 权重、MIT 许可证、面向 bailing_moe_v3_vl架构的自定义代码栈，而且有几天几乎无人下载。FP8 量化随后于 9 月 8 日推出，64 个分片约 126 GB，其中视觉塔的精度高于专家权重。Artificial Analysis 将该版本列为 2026 年 9 月 10 日，这是它自己页面所锚定的日期，而带有该评分的模型页面大约也在那时上线。

所以，“2026年9月发布”准确但无用。实际时间线是：4日发布权重，8日推出第二种精度格式，10日完成独立测量。这一点之所以重要，是因为对大多数团队来说，一个磁盘上有权重、却没有托管端点、也没有第三方评分的模型，还不算是可以评估的对象——它只是一个你得为其准备资源的下载文件。Ling-3.0-flash-VL 在 API 和独立评分同时存在时，才跨过了这条线。

服务支持是与权重一同到来的，而不是在权重之后才出现。Ant 发布了 SGLang 部署指南，并为该架构维护着一个经 Ling 调优的 vLLM 分支，而这在开源发布中通常是会滞后数周的部分。这一次，它没有滞后。

板上的数字，以及卡片上的那个数字

以下是来自 Artificial Analysis 的独立评估，这是目前对该模型唯一存在的第三方测量：

• Intelligence Index — 25 基于 v4.3，在其规模级别中 64 个里排名第 2，同级中位数为 8br /> • 总参数 — 124Bbr /> • 激活参数 — 每 token 5.5Bbr /> • 输出速度 — 142.9 token/秒，64 个中排名第 10，同类中位数为 105.1br /> • 首 token 时间 — 2.21 秒，同类中位数为 2.29br /> • 上下文窗口 — 根据 Artificial Analysis 测量为 262K token，而模型卡自身声明为 256Kbr /> • 许可证 — MIT，开放权重

而这就是它常常被并列印出的厂商数字：在 Artificial Analysis 智能指数协议 v4.1.1 上取得 42 分，比纯文本版 Ling-3.0-flash在同一协议上的得分高出 4 分。这一说法出现在模型卡中，没有公开的评测记录，也不是 Artificial Analysis 所报告的那个数字。有两件事同时成立：这个 42 无法复现，但它也不构成任何不诚实的证据，因为 v4.1.1 和 v4.3 测量的并不是同一个东西。Artificial Analysis 于 2026 年 9 月重新表述了其指数，并对整个榜单重新评分；v4.3 纳入了十项评测，包括 AA-Briefcase、GDPval-AA v2、AutomationBench-AA、Terminal-Bench v4.0 和 Humanity's Last Exam。任何仍在未注明版本的情况下把 42 和 25 并列引用的文章，都是在比较两种不同的测试，却称之为下滑。

除了核心得分之外，值得指出的细节是冗长程度。Artificial Analysis 记录到 Ling-3.0-flash-VL 花费 1.6 亿个输出 token 完成 Intelligence Index，在 64 个模型中排名第 8，而中位数为 8400 万，并将其标记为“非常冗长”。对于一个以通过较小激活参数量实现廉价推理为卖点的模型来说，这直接与卖点相悖。你按 token 付费，而不是按参数付费。一个激活 5.5B、但在回答相同问题时输出接近中位数两倍 token 数量的模型，会在付费时交还一部分这种结构性优势——而这正是按 token 计价表所掩盖、按任务成本衡量所揭示的那类相互作用。

帕累托论断，稍加压力

Ling-3.0-flash-VL 位于智能与激活参数帕累托前沿这一说法，不同寻常地并非仅仅被独立数据所容许，而是得到了独立数据的支持。该指数上的同类中位数为 8；Ling-3.0-flash-VL 得分为 25；而且它是在每个 token 仅激活 5.5B 参数的情况下做到这一点的。对于受可服务吞吐量这一硬约束的团队——单加速器、固定请求预算、边缘部署——这个比值就是决策的全部依据，而这是一个真正强劲的表现。

有两个注意事项让它无法成为一次毫无争议的胜利。第一是参数数量上的出入：模型卡上写的是约 5.5B 活跃参数，而 SGLang 手册描述的则是 5.1B 活跃参数的模型。两者都是 Ant 文档，差异很小，而且它略微改变了曲线的形状，而不是方向。第二是，“前沿”是一种相对说法，所涉及的是一个每周都在变化的领域。在给定规模下成为每活跃参数智能最高的模型，这个位置你只能保持到该区间内下一个模型发布为止，而这个区间很拥挤。

厂商自己的头条演示——即 Ling-3.0-flash-VL 以“linthium”这个用户名参加 Image-to-WebDev Arena，得分 1,441，相比之下 GPT-5.4 的 1,440——应被解读为吸引眼球之举，而非一项结果。一分之差落在竞技场 Elo 的噪声范围内，而且这是厂商自行报告的，并不是那种能决定任何事情的差距。其背后的能力主张比这个数字更有意思：该模型是为视觉反馈回路而构建的，它从布局生成前端代码，渲染自己的输出，查看渲染结果并进行修正——观察、行动、验证、修正，而不是只生成一次描述就停下。

它的代价是什么，这一点比看上去更不明确

Artificial Analysis 页面将 Ling-3.0-flash-VL 列为每 100 万输入 token 为 $0.00、每 100 万输出 token 为 $0.00，而同类中位数分别为 $0.14 和 $0.40。那不是价格，而是价格的表象。Artificial Analysis 对其能看到的端点进行定价，而它能看到的这个端点是免费的——该模型正在 Ant 的 Ling Studio 上作为免费试用运行，免费促销访问正是该列表所反映的内容。Ant 自己的多模态文档根本没有公布该视觉模型的每 token 定价，因此没有厂商价目表可用于核验这个零。为便于理解量级，纯文本的同门模型 Ling-3.0-flash 标价约为每 100 万输入 token $0.075、每 100 万输出 token $0.22，而 Ant 的领域专用 Ling 变体也以免费 API 形式推出。

要把这个"零"当作测试窗口，而不是资费。新发布模型上的免费额度是一种获客手段，而诚实的规划假设是：Ling-3.0-flash-VL 最终会带上与其文本版同门模型相近的价格。还有一个现实存在的模糊之处，即便付费端点上线也不会消解：蚂蚁自家的 API 示例使用的模型标识符是 Ling-3.0-flash-VL-rc1，这是一个候选发布标记，而实际提供服务的检查点是否与 9 月 4 日公开的权重逐字节一致，目前仍不清楚。如果你正在用托管 API 对自己的提示词做基准测试，并指望结果能迁移到自托管的 BF16 构建上，那么在以此为基础做任何事之前，这个假设你应当先验证一下。

成本图景会因你站在哪一边而反转。对于已经有加速器的团队来说，约 126 GB 的 FP8 版本能装进一个八路 80GB 级节点，而 5.5B 的活跃参数数量意味着你为该节点的摊销成本买单，换来的却是极小的每 token 计算开销——这个模型最便宜的版本，就是你自己提供服务的那一版。对于没有加速器的团队来说，问题在于付费端点能否在免费层关闭之前就位。

在你可以真正称之为它的地方，包括我们说“不”的那部分

Ling-3.0-flash-VL 可通过 Ant 自家的平台访问——一个位于api.ant-ling.com/v1/chat/completions 的 OpenAI 兼容端点，以及与之并列的 Anthropic 兼容端点——此外还有 Ling Studio 上的免费试用，以及可自行部署的开放权重。独立网关也已开始收录它，而这确实是在无需任何部署配置的情况下试用它最快的方式。

值得直说的是，OrcaRouter 目前并不提供 Ling-3.0-flash-VL 的路由。它不在我们的模型目录中，因此你在这里读到的任何关于通过我们调用它的内容都将是虚构的，而我们宁愿你一开始就知道这一点。我们确实提供路由的，是与其最直接可比的视觉模型：DeepSeek V4 Flash Vision Exp，这是 DeepSeek 的实验性多模态版本，已在我们目录上线，具有 1M token 上下文窗口和公开费率。如果你实际需要的，是一个位于 OpenAI 兼容端点之后、能力出色的视觉模型——配置了故障转移链，以便提供商出现小故障时能在你的响应开始前重试，并且提供商列表定价原样传递、不额外加价，因此供应商价格变化在生效当天就能传达给你——那么在 Ling-3.0-flash-VL 仍未上目录期间，这就是应该首先尝试的模型。

接下来值得关注的事项

三件事将决定这次发布在六个月后是否仍显得意义重大。第一是第二次独立运行：来自单一评估方的一个分数只是一个数据点，真正有意思的问题是，Ling-3.0-flash-VL 在“智能—活跃参数”曲线上的位置，能否在另一套评测框架下依然成立。第二是真实定价。在 Ant 公布该视觉模型的价目表之前，任何涉及它的成本比较都只是披着数字外衣的估算，而免费层正在承担原本应由价格承担的职能。第三是 FP8 的质量差异——在那次构建中，视觉塔被刻意保持在比专家权重更高的精度上，而量化版本在细粒度视觉任务上能否与 BF16 媲美，正是那种只有在人们将其投入生产运行、而非仅仅做基准测试时才会浮现的问题。

今天能得到的结论，比发布报道所暗示的更有限，也比单看分数更有用。Ling-3.0-flash-VL 是一个真实存在的、以 MIT 许可证授权、可自行部署的视觉模型，它在 124B 参数中只激活一小部分，在当前一个独立指数上得分为 25，而同类中位数为 8，并且又因冗长而把其中一部分优势还了回去。这是一个形态诚实的优秀模型。卡片上的 42 是来自一把已不复存在的尺子的数字。