蚂蚁百灵开源 Ling-3.1-flash：560B MoE、1M上下文搅动中文开源格局|AI自学笔记

2026年10月16日，蚂蚁百灵正式开源 Ling-3.1-flash 模型。这是 Ling 系列首次以开源方式发布，宣告这家此前以闭源 API 为主的大模型厂商正式加入开源生态竞争。5600 亿总参数、100 万 token 上下文、25B 激活参数——三项数据叠加在一起，意味着中文大模型开源阵营迎来了一位体量级的搅局者。

参数结构：560B MoE，25B 激活

Ling-3.1-flash 采用混合专家（MoE）架构，总参数量约 5600 亿，但每个输入 token 仅激活约 250 亿参数。这意味着模型在保持超大容量的同时，推理成本被控制在可接受范围内。25B 的激活规模与 DeepSeek-V4.1-Flash 处于同一量级，略低于 Qwen3.8-Flash-Next 公布的部分配置，表明蚂蚁百灵在「模型容量」与「推理效率」之间选择了相对平衡的定位。

与密集型（Dense）模型不同，MoE 架构通过门控网络动态选择部分专家网络参与计算。560B 的总参数量分配给多个专家模块，实际推理时只调用其中少数，这种稀疏激活特性是大模型保持「高能力、低成本」的关键工程路径。

100 万 token 上下文：开源顶配

Ling-3.1-flash 最高支持 100 万 token 上下文窗口，这一数字在当前开源模型中处于领先位置。主流开源模型此前普遍采用 128K 至 256K 的上下文上限，100 万 token 能一次性处理整本技术手册、多个关联代码文件，或长达数小时的多轮会议记录。

长上下文的核心价值在于消除「上下文断裂」问题——当模型需要在一部超长文档中关联跨越数万 token 的信息时，短上下文模型不得不依赖滑动窗口或摘要机制，信息损耗难以避免。100 万 token 上下文则可直接将完整文档纳入注意力计算范围。

性能定位与中文优势

蚂蚁百灵表示，Ling-3.1-flash 在多项基准测试中达到同期前沿水平，尤其在中文理解与生成任务上表现突出。这与蚂蚁百灵长期以来积累的中文语料和处理经验相吻合。中文大模型市场与英文存在显著差异：中文文档的平均Token密度更高、成语与俗语用法更复杂、专业领域术语体系独特，本地化优化空间明显。

本次开源的具体权重与微调工具链已在 GitHub 开放下载，支持主流深度学习框架本地部署。蚂蚁百灵表示将持续更新版本并完善配套工具链，降低中小企业和研究机构的部署门槛。

开源生态卡位：与 DeepSeek、Qwen 同台竞争

10 月以来，中文开源大模型竞争显著升温：DeepSeek V4.1 Flash（2026-09-10）、阶跃星辰 Step 5 Preview（2026-10-15）、Meta Muse Spark Open（2026-10-16）先后开放权重或发布。Ling-3.1-flash 的加入进一步丰富了选择空间。

从参数规模看，Ling-3.1-flash（560B 总参）与 Qwen3.8-Max（编程与办公全面提升）、DeepSeek-V4.1-Flash（552B MoE）处于同一量级。从激活参数看，25B 与 DeepSeek-V4.1-Flash 的配置更为接近，两者可能是当前开源市场上最直接的竞争对手。

蚂蚁百灵此前以闭源 API 服务（Ling API）为主，开源社区积累相对薄弱。本次开源能否真正撬动开发者社区、形成持续的工具链和生态迭代，将是 Ling-3.1-flash 能否在开源战场立足的关键。

数据表：中文开源大模型核心参数横向对比

模型	总参数量	激活参数	上下文窗口	架构	发布方	开源形式
Ling-3.1-flash	560B	25B	1M token	MoE	蚂蚁百灵	权重开放
DeepSeek V4.1 Flash	552B	—	128K token	MoE	深度求索	免费 API
Qwen3.8-Flash-Next	125B	—	128K token	MoE	阿里通义	权重开放
Step 5 Preview	600B	—	1M token	稀疏 MoE	阶跃星辰	权重开放
Meta Muse Spark Open	816B	—	100万 token	MoE	Meta	权重开放

FAQ

Ling-3.1-flash 与同量级开源模型相比有何优势？

100 万 token 上下文是当前最突出的差异化特性，在需要处理超长文档或代码库的场景中优势明显。在中文理解与生成方面，蚂蚁百灵的本地化优化理论上会带来一定优势，但具体表现还需社区实测数据验证。

25B 激活参数意味着什么？

25B 激活参数意味着实际推理成本接近一个 250 亿参数的密集模型，而非 5600 亿参数的完整计算量。这是 MoE 架构的核心价值——用更低的激活代价换取接近全局容量级别的模型能力。

开源对蚂蚁百灵的商业模式有何影响？

开源 Ling-3.1-flash 预计将扩大蚂蚁百灵在开发者社区的影响力，同时其商业 API 服务（Ling 系列闭源模型）仍将面向追求更高性能且不愿自行运维的企业客户。开源与闭源并行，是当前主流大模型厂商的常见策略。

小结

Ling-3.1-flash 开源是中文大模型生态的一件标志性事件。560B MoE + 1M 上下文 + 25B 激活参数的组合，在纸面参数上达到了开源阵营的一线水准。蚂蚁百灵能否借助开源撬动社区、形成持续迭代，将决定这款模型是昙花一现还是真正扎根生态。

延伸阅读

AI 自学笔记 每天更新 AI 前沿动态，订阅 RSS，或按 Ctrl/⌘+D 收藏本站，明天见。

继续读

同一批更新里这几篇值得一看：

想快速查定义？对应的词条在这里：

AI Agent词条 · AI 自学笔记

蚂蚁百灵开源 Ling-3.1-flash：560B MoE、1M 上下文