Ling-3.1-flash：蚂蚁集团已服务但尚未开放的560B MoE

关于 Ling-3.1-flash 是什么，简短的回答是：它是来自蚂蚁集团 Ant Ling 系列的一款混合推理型混合专家（MoE）语言模型，总参数量约 5600 亿，每个 token 约激活 250 亿参数，其窗口厂商标称上限为 100 万 token，但目前以 256,000 提供服务，输入输出均为文本，且没有可下载的权重。该模型于 2026-09-30 公布，现已上线于蚂蚁自有产品以及蚂蚁自有 API。这个日期既是本页面的起点，也是它的终点：它是一个确定模型年龄的事实，而不是本文要报道的一次发布。搜索 Ling-3.1-flash 的读者需要的是该模型在他们阅读当天的状态，而在撰写本文当天，权重的状态仍然是“尚未发布”。

三个事实说明了一切。权重尚未发布，而蚂蚁自己的公告说明了它打算何时发布。流传的上下文数字——1M——是上限，而非端点实际提供给你的数量，后者是256K。规格是可以获知的，而促销期之后的价格则不然。下文所有内容均有出处，凡是蚂蚁自己提供而非第三方提供的数字，都会加以说明。

关于该模型的状态存放在何处，有一点需要说明。Ant 于 2026-09-30 发布的公告，是承载架构与开放权重条件的文档，而它不是厂商会去更新的内容。那些确实会得到维护的页面——Ant 开发者站上的 Ling 模型页面和定价页面，每个都标注着“最后更新于 2026 年 10 月 8 日”——才载有参数、上下文数值和价格。当这两者不一致，或公告比文档说得更多时，本页面会说明自己引用的是哪一个。

Ling-3.1-flash 是什么，以及它的发布者是谁

Ling-3.1-flash 属于 Ling 家族——这是 Ant Ling 的通用语言产品线，而 Ant Ling 是蚂蚁集团通过其 inclusionAI 实验室运营并发布的模型项目（开发者网站上标明的运营实体为 Ant Intelligence (Hang Zhou) Technology Co., Ltd.）。该家族分为三支：Ling 负责通用语言任务，Ring 负责深度推理，Ming 负责全模态理解与生成。Ling-3.1-flash 是 Ling 分支的旗舰，定位高于 Ling-3.0-flash，后者作为更便宜、更快速的选择保留在目录中。

Ant 对它的定位范围很窄，且始终一致：长跨度的真实世界任务、从模糊需求一路推进到最终交付物的办公工作、持续数小时的软件工程，以及按顺序调用工具并自我纠错的智能体循环。厂商自己对这一卖点的总结是：它保留了约 560B 的容量，却只需为每一步付出约 25B 的算力，因此世界知识与推理深度得以保留，而每 token 的计算量则不然。它是同一位置上 Ling-3.0-flash 的继任者，而非一个新的层级。

权重发布了吗？没有——而且 Ant 已经给出了条件

这是该模型上争议最大的事实，而今天的答案毫不含糊：权重并未发布。在 Hugging Face 的 inclusionAI 组织下，没有 Ling-3.1-flash 仓库，没有模型卡，没有许可证文本，也没有检查点文件；检索该组织的公开仓库，只会返回 Ling-3.0 一代及更早的版本，没有任何 3.1 条目。ModelScope——Ant 镜像其发布内容的地方——同样没有 Ling-3.1-flash 模型。也没有针对它的部署配方：厂商自己在 GitHub 上的 Ling Cookbook 仓库最后一次推送是在 2026-10-12，也就是本页发布的前一天，其中包含 Ling-3.0-flash、Ling-3.0-flash-VL、Ling-3.0-flash-Fin 和 Ling-3.0-tiny 的本地部署与量化配方，唯独没有 Ling-3.1-flash 的任何内容。独立评估机构 Artificial Analysis 将该模型归类为专有，其 FAQ 在回答该模型是否开源时给出的答案是“否”。

Ant 所做的是在开放时附加了一个条件，而且比“很快”更具体。公告称，免费期提供 256K 上下文，并且在免费期结束、模型转为付费服务后，计划开放 1M 窗口，并同时开源该模型。因此，厂商描述的序列是：以 256K 试用，然后是以最高 1M 提供的付费服务，权重则随这一转换而跟进。那是一项计划，不是一个日期，也没有公布任何日期。在代码仓库存在之前，任何“Ling-3.1-flash 是开放权重”的说法都应视为错误；应将这项计划视为厂商表述的意图，而不是一个已发生的事件。

规模与架构：总计 560B，激活 25B，每 1 个全局层对应 7 个线性层

Ant 发布该架构的详细程度，使这些数字可以相互核验，而不只是被引用：

• 总参数量 —— {{1}}约 5600 亿{{/1}}，为厂商所述，在整份文档中始终未变。

• 激活参数——每个 token 约 25B,稀疏比约为 1/22。

• 专家路由——512 个路由专家，每个 token 从中选择 8 个，外加一个每个 token 都会使用的共享专家。这明显比上一代在体量小得多的模型主体上所使用的专家池更宽。专家数量、512 选 8 的选择方式以及 7:1 的注意力比例来自公告，而不是模型页面；模型页面给出的是参数量和上下文数值。

• 注意力 —— 一种混合堆栈，延续了 Ling-3.0-flash 的线性注意力设计，并提高了线性部分的占比：每 1 层 Gated MLA 对应 7 层 KDA（Kimi Delta Attention），因此每八层中就有一层保留全局注意力路径。KDA 路径是线性时间的那条，面向长序列。

• 规模化的前代参照——Ling-3.0-flash 在42层混合堆栈上以5.1B激活运行124B总参数量，因此 Ling-3.1-flash 的体量约为其四点五倍，每个token的激活量约为其五倍。

值得直说，因为 Ant 也这么说：这些都不会直接转化为部署成本。吞吐量、延迟和内存取决于硬件、数值精度、批大小、专家通信、上下文长度和输出长度。架构解释了模型为什么能以这个规模存在；它并不能告诉你一次请求会让你付出多少代价。

上下文窗口和最大输出

窗口正是最常见误读所在。Ant 的文档用一行中的两个数字说明了这一点：窗口上限为 1M tokens，而官方服务目前开放的是 256K。公告用厂商自己的话说出了原因——免费试用持续两周，试用期间的服务长度为 256K，而一旦试用结束、模型转入付费服务，计划是同时开放 1M 窗口并将模型开源。文档和公告在对外服务的数字上是一致的，且两者都来自 Ant。产品界面在登录之后才能访问，因此本页今天无法确认 Ling Studio 自身的最大长度控制；如果你需要在为流水线定规模之前拿到确切上限，登录后请在 Ling Studio 中直接查看，而不是采用二手数字。

Artificial Analysis 将上下文窗口列为 1M。那是宣称的上限，而不是当前一次请求实际能得到的值；而且这是传播最广、但在实践中最常出错的那个数字。如果你在为流水线做规模规划，就按 256K 来规划，并把 1M 视为没有公布日期的路线图事项。

最大输出量是 Ant 不会按模型公布的数字。厂商确实公布的是请求接口层面：Anthropic 兼容端点的 max_tokens 默认值为 32,000，OpenAI 兼容参考文档未列出任何按模型的输出上限，并且非流式调用会在 90 秒后超时。如果你的任务需要一次性生成长内容，厂商自己的建议是采用流式传输，而不是去提高一个它并未记录的限额。

它接收什么，以及它返回什么

文本输入，文本输出。Ling-3.1-flash 不是多模态模型，这一点值得明确指出，因为该系列中有一个模型是多模态的：Ling-3.0-flash-VL 是视觉模型，通过同一平台原生接受图像、文本和视频输入，而厂商的多模态文档正是为该模型编写的。Ling-3.1-flash 出现在厂商的 Ling 规格表中，除文本外没有任何输入模态；独立评测方为其设立的页面也只记录文本输入和文本输出，并将其归入推理模型，而非视觉模型。如果你今天需要向 Ling 模型发送图像，厂商自己的选型指南会指向 Ling-3.0-flash-VL，而不是这个模型。

供应商声明与独立评估对比

Ling-3.1-flash 存在两种数字，它们不可互换。

Ant 自己的公告标题将其定位为面向真实世界任务的模型升级，并且在数字上相当谨慎。文中点名的评测领域包括：办公工作对应的 GDPVal-AA V2.1、医疗沟通对应的 HealthBench Professional、工程对应的 FrontierSWE、终端操作对应的 Terminal-Bench 4.0，此外还有自动化、安全分析、代码库问答以及金融智能体任务——而各项基准的具体数字放在图表图片里，而不是文字表格中。截至今天，Ant 尚未以任何人都能逐行引用的形式公布这些单项得分，本页也不会替它编造一张表格。Ant 在文字中明确给出的，是三项长周期工程任务结果，全部由厂商自行报告，全部基于厂商自己定义的任务，并且都被标注为"文档中列出"的对比数字，而非受控的正面对比：一是在约 17 小时的连续执行中从零构建的 Lua 到 x86-64-ELF 编译器，182 项独立测试通过 178 项，约 97.8%，而按厂商所列，同一任务上 Claude Fable 5 为 99.0%、GLM-5.3-Flash 为 95.9%；二是一次约 10 小时的 Pyright 1.1.400 优化，实现 1.432× 加速，2,279 项基准与回归测试全部通过，而 Claude Fable 5 为 1.502×、GLM-5.3-Flash 为 1.290×；三是用 Rust 重新实现一个 C 图像库，耗时约 20 小时，全部 30 项检查通过，达到 8.015×，而 GLM-5.3-Flash 为 1.396×、Claude Fable 5 为 27.310×。这三项任务并非在同等投入与同等运行框架下进行的正面对比——对方数字是厂商自行引用的，而不是它控制的运行结果——因此请把它们读作厂商对自家任务套件的报告，而不是同口径的排名。Ant 还报告称，该模型通过自主推进问题，发现并修补了开源数据库 OceanBase 校准解析器中的一个栈缓冲区溢出。以上每一项都是第一方在第一方任务上的主张；没有任何一项获得第三方复现，而且厂商自己也指出，第三项结果表明在极端性能优化上仍有提升空间。在搜索需求方面，"ling 3.1 flash benchmark"是人们就这一模型提出的较小问题之一，而诚实的一句话回答就是上面那句：Ant 的卡片确实存在，其数字由厂商报告，而你能真正拿来要求该模型的独立数字，在下一段。

第二种数字是独立测量得到的。Artificial Analysis 在其自控硬件上运行自己的评测框架，在其 Intelligence Index v4.3.2 中给 Ling-3.1-flash 打出 41 分，该指数由十项评估综合而成，并据此将其排在 175 个模型中的第五位。前代模型在同一指数上得分为 20。同一页面记录到每秒 212.1 个输出 token、首 token 用时 1.87 秒、该指数全部任务共生成 2.2 亿个输出 token——相对于 9500 万的中位数属于高位——以及每百万输入 token 0.30 美元、每百万输出 token 0.90 美元（含 80% 缓存折扣）的运行成本，约合每个指数任务 1.00 美元。这些是评测方针对厂商 API 自行测得的结果，而非 Ant 给出的数字，也是目前该模型仅有的独立测量数据。

在价格方面，同样的分歧依然存在，而币种也很关键。Ant 的定价页面——那个仍在维护的版本，标注的是"最后更新于 2026 年 10 月 8 日"，而非本文撰写时的 2026-10-13——将 Ling-3.1-flash 的输入、输出和缓存读取价格列为 ¥0.00，并声明该模型限时免费两周，此后将转为标准付费计费，费率有待公布。同一页面还发布了一张美元价目表，其中该行三列均显示 $0.00。这就是免费档位的全部答案：免费是真的，属于促销性质，有时限，而紧随其后的那个数字尚未公布。独立评测方记录的 $0.30 和 $0.90 费率，是公开信息中最接近试用期后价目表的东西，而 Ant 尚未予以确认。

今天如何从 Ling-3.1-flash 获得回复

有两条第一方路线，二者均为蚂蚁自有。位于 chat.ant-ling.com 的 Ling Studio 是产品界面，厂商公告还称，该模型内置于蚂蚁内部用于办公任务的桌面智能体中。位于 api.ant-ling.com 的 Open API 是开发者路线，并提供两种形态：一个 OpenAI 兼容的 chat/completions端点，以及一个 Anthropic 兼容的 messages端点，因此现有 SDK 只需更改 base URL 即可使用。有两条注意事项直接来自文档，其不寻常程度足以值得原样照搬：概率与多样性控制项，temperature 和 top_p，在两个参考页面中都默认为 1，因此一个在其他地方已学会设置较低 temperature 的请求，在这里会有不同表现；而用于切换推理的 thinking 控制项，文档中记载为仅 Ling-3.0-flash 支持，这意味着这些页面发布的请求接口尚未针对 Ling-3.1-flash 更新。访问需要绑定支付宝账户并激活 Ling 服务——FAQ 还将“Ling 模型服务未激活”列为已知错误并给出了相应修复方法——计费是按 token 的按量付费，公布的速率限制为全局每秒 2 个请求，超出会返回 429，非流式调用在 90 秒时超时。厂商还在第三方平台上以同样为零的促销价格列出该模型；那些不是第一方界面，其条款也由它们自己制定。

在基于该端点进行构建之前，值得做一项验证：截至今日，供应商发布的 API 参考文档并未在其模型列表中列出 Ling-3.1-flash，平台更新日志中也没有关于它的条目——那里最新的条目是 9 月的 Ling-3.0-flash-VL 和 8 月的 Ling-3.0-tiny——尽管定价页面上有该模型的价格，而且公告也提供了其 API 试用。在将其接入任何东西之前，请根据你自己的账户确认该模型标识符，而不是假设文档已经跟上。

Ling-3.1-flash 不在 OrcaRouter 的目录中——对照我们截至 2026-10-13 的实时模型列表进行检查，没有返回任何 Ling 或 inclusionAI 条目——因此本页面不会告诉你它只需一次调用即可接入。只需一次调用即可接入的，是它最常被拿来比较的两个模型：DeepSeek V4.1 Flash，我们的列表价格为每百万输入 $0.15、每百万输出 $0.60，以及 GLM 5.3 Flash为 $0.15 和 $0.50，两者均按标价，零加价，并跨提供商自动故障转移，因此任一供应商的价格变动都会当天生效，而你这边无需更改代码。当 Ant 开放 Ling-3.1-flash 或有托管方将其加入时，它就会以这种形态到来。

该关注什么，以及不该假设什么

有三件事能了结本页悬而未决的问题，而这三件事都应由 Ant 发布：权重——如果公告中的计划兑现，还要附带许可证和模型卡；1M 窗口是真正在提供服务，而不只是宣称；以及试用期后的费率表。至少在头两项落地之前，对 Ling-3.1-flash 的准确描述是：一个强大、快速、闭源、纯文本的模型，拥有真实的独立评分 41，以及真正有前景的智能体能力概况，由第一方提供，并在一个毫无预警就会关闭的窗口期内免费。

谁应该现在就用它：任何工作属于智能体式、终端形态或办公形态的人，并且想用自己的提示词获得两周免费推理，从而弄清楚一个 560B MoE 在每秒 212 个 token 的速度下是否会改变他们构建的东西。谁应该等待：任何计划自行托管它的人，任何在采购部门愿意审视之前就需要许可证的人，任何其流水线在生产中需要百万 token 窗口的人，以及任何需要一个能超越推广期而持续有效的成本模型的人。对于这四种情况，今天诚实的答案是：这个决定还无法做出，而能解开它的是一个 Hugging Face 仓库，而不是又一张基准测试图表。