蚂蚁百灵开源了 Ling-3.0-flash，124B 总参只激活 5.1B，能单机跑，输出超 1100 tokens/s。
蚂蚁集团百灵大模型宣布正式开源 Ling-3.0-flash，采用 124B 总参数、5.1B 激活参数的 MoE 架构，并提供 FP8、FP4、INT4 等版本。该模型支持 API 调用、单机私有化和高性能部署三种落地方式，在指定 GPU 测试配置下平均输出速率突破 1100 tokens/s。在 Artificial Analysis 榜单中，Ling-3.0-flash 输出速度为 353 tokens/s，AA Intelligence Index 中每项任务加权平均调用成本约 0.04 美元。8 月 7 日至 8 月 31 日，Ling Studio 上可享 2.5 折优惠。
蚂蚁集团百灵开源 Ling-3.0-flash 模型：124B 总参数、5.1B 激活参数
IT之家 8 月 8 日消息，蚂蚁集团旗下百灵大模型官方昨日宣布，新一代原生混合推理模型 Ling-3.0-flash 现已正式开源。 Ling-3.0-flash 采用 124B 总参数、5.1B 激活参数 的 MoE 架构。官方同步提供基础版本以及 FP8、FP4、INT4 等多个版本，提供三种不同的落地选择： API 调用： 面向希望快速接入、无需自建推理服务的开发者，Ling-3.0-flash 可通过云端 API 直接调用； 单机私有化： 面向数据不能出域的企业和团队，MXFP4 与 INT4 版本可在单台 NVIDIA DGX Spark 上完成端到端推理； 高性能部署： 面向单请求时延敏感的高性能服务，在指定 GPU 测试配置下，平均输出速率突破 1100 tokens/s。 对于希望快速验证产品、上线 Agent 应用的开发者和产品团队，API 是门槛最低的接入方式。在 Artificial Analysis 榜单中，Ling-3.0-flash 输出速度达到 353 tokens/s。 在 AA Intelligence Index 榜单中，Ling-3.0-flash 每项任务的加权平均调用成本约为 0.04 美元 （现汇率约合 0.27 元人民币） ，加权平均解码时间约为 1.4 分钟，同时进入“智能水平 — 任务成本”和“智能水平 — 任务耗时”的优势区域。 官方表示，2026 年 8 月 7 日 00:00 至 8 月 31 日 24:00，Ling-3.0-flash 在 Ling Studio 限时享受 2.5 折优惠 ；自 9 月 1 日 00:00 起恢复原价。 IT之家附开源链接： Hugging Face： https://huggingface.co/inclusionAI/Ling-3.0-flash ModelScope： https://modelscope.cn/models/inclusionAI/Ling-3.0-flash 相关阅读： 《 蚂蚁集团发布百灵原生混合推理模型 Ling-3.0-flash：124B 总参数量，能力对标上一代旗舰 Ring-2.6-1T 》