Personal Agent走向真实任务，蚂蚁百灵开源 Ling-3.1-flash-1019
内容提要
10月28日，蚂蚁百灵开源Ling-3.1-flash-1019，智能指数44分，较上版提升3分，并开源基础模型Ling-3.1-flash-base。新模型面向个人智能体场景，提升复杂工作流与多步骤任务表现，多项评测进步。基础模型采用混合线性MoE架构，总参数约560B，每Token激活约25B，47项测试中32项领先。百灵还训练视觉语言模型，并基于灵光等应用反馈持续对齐，强调从真实任务到真实应用。
延伸解读
从即时问答到持续任务：模型能力的新要求
文章指出，个人智能体需要围绕一个目标持续工作，这要求底层模型不仅能回答问题，还要理解目标、使用工具、处理新信息并推进任务。灵光2.0的跨会话记忆和长程任务调度正是这种需求的体现。Ling-3.1-flash-1019在AutomationBench-AA和AA-Briefcase等评测上的提升，反映了模型在复杂工作流和多步骤任务上的针对性优化，而非单纯追求通用能力。
混合线性MoE架构的平衡取舍
Ling-3.1-flash-base采用混合线性MoE架构，总参数约560B，每Token激活约25B。这种设计在模型容量、长序列处理和单步计算开销之间取得平衡，为长程任务所需的知识、推理和计算效率打下基础。在47项benchmark中，该基础模型有32项超越DeepSeek-V4-Pro-Base和MiMo-V2.5-Pro-Base，覆盖知识理解、逻辑推理、代码、数学与长上下文等个人助理处理复杂事务所需的基础能力。
开源策略：基础模型与后训练模型并进
百灵同步开源基础模型Ling-3.1-flash-base，以BF16基础权重和MIT许可证开放，开发者可基于自身知识、流程和工具进行继续预训练、领域适配及后训练。同时，Ling-3.1-flash-1019作为后训练版本，强化了推理、工具使用和多步骤执行能力。这种双轨开源让开发者既能获得可定制的基础能力，也能直接使用面向Personal Agent场景优化后的模型。
应用反馈驱动对齐：灵光与专业场景的循环
文章提到，Ling-3.1-flash已基于灵光、阿福医生版等应用场景的需求与反馈开展对齐训练，提升专业表达和沟通能力。百灵还基于Ling-3.1-flash训练了视觉语言模型Ling-3.1-flash-VL，增加视觉理解并先行应用于灵光。这种从真实任务到真实应用的循环，使模型迭代更贴近个人智能体在实际流程中的表现，而非仅停留在评测分数上。
Q&A
蚂蚁百灵开源的Ling-3.1-flash-1019是什么？主要面向什么场景？
Ling-3.1-flash-1019是蚂蚁集团旗下百灵大模型于10月28日开源的新版本，面向Personal Agent（个人智能体）场景，重点提升模型处理复杂工作流和多步骤任务的表现。
Ling-3.1-flash-1019在智能指数上得分多少？比上一版提升多少？
在Artificial Analysis Intelligence Index v4.3.2中获得44分，较上一版本提升3分。
Ling-3.1-flash-base基础模型采用了什么架构？参数规模如何？
采用混合线性MoE架构，总参数量约560B，每个Token激活约25B参数，在模型容量、长序列处理和单步计算开销之间取得平衡。
Ling-3.1-flash-base在benchmark测试中的表现如何？
在8个领域共47项benchmark测试中，Ling-3.1-flash-base在32项上超越了DeepSeek-V4-Pro-Base和MiMo-V2.5-Pro-Base，取得最高分。
Ling-3.1-flash-1019在哪些具体评测任务上有提升？
复杂知识工作AA-Briefcase得分从约1400 Elo提升至1524 Elo；GDPval-AA从约1618 Elo提升至1644 Elo；流程自动化AutomationBench-AA从62%提升至68%；科学问题求解CritPt从18%提升至26%；SciCode从54%提升至57%。
百灵为什么针对Personal Agent场景进行模型优化？与灵光2.0有什么关系？
灵光2.0升级为“能管事的个人AI助理”，具备跨会话记忆、长程任务调度等能力，需要模型能理解目标、使用工具、处理新信息并推进任务，因此百灵针对Personal Agent场景优化模型，并通过应用反馈持续对齐。
Ling-3.1-flash-base以什么许可证开源？开发者可以做什么？
以BF16基础权重、MIT许可证向开发者开放，开发者可以基于自身的知识、流程和工具开展继续预训练、领域适配及后训练。
