蚂蚁版Muse背后模型开源！Agent测评赶超Deepseek-V4-Pro

智东西 作者 孙小雯 编辑 程茜 智东西10月29日消息，昨日，蚂蚁百灵 开源面向Personal Agent场景进一步训练 Ling-3.1-flash-1019 ，并同步开放 基础模型 Ling-3.1-flash-base 。1019版支持最高100万Token上下文窗口，主要面向复杂推理和智能体任务。Base版则提供后训练前的基础权重，供开发者继续训练。 其中，1019版在第三方大模型评测机构Artificial Analysis（以下简称AA）的智能指数v4.3.2评测中 获得44分，较Ling-3.1-flash提高3分 。截至10月27日，该模型在同规模开放权重模型中 排名第4 。 上一代Ling-3.1-flash于9月30日发布。时隔不到一个月，蚂蚁百灵便推出1019升级版，通过后训练，进一步提升模型处理复杂工作流和多步骤任务的能力。 这次升级也与 蚂蚁旗下个人AI助理灵光 的使用需求有关。10月27日，蚂蚁集团发布灵光2.0，新增跨会话记忆、长程任务调度和独立云主机等能力。据百灵披露，此前发布的Ling-3.1-flash已结合灵光等应用的需求和反馈开展对齐训练。 性能提升带来了更高的Token消耗。据AA统计，1019版每项智能指数评测任务 平均输出约14.5万个Token ，较Ling-3.1-flash增加超40%，单任务平均成本由1.01美元升至1.49美元（约合人民币9.94元）。 两款模型均免费开放权重。API定价方面，1019版每百万Token的输入价格为0.30美元（约合人民币2元），输出价格为0.90美元（约合人民币6元），缓存读取价格为0.06美元（约合人民币0.40元）。 模型部署方面，1019版官方模型卡列有SGLang、vLLM推理部署说明。两款模型均采用MIT许可证，开发者可从Hugging Face、魔搭社区下载权重、自行部署。 ▲Ling-3.1-flash-1019及Base开源主页（图源：Hugging Face） Ling-3.1-flash-1019开源地址： Hugging Face： https://huggingface.co/inclusionAI/Ling-3.1-flash-1019 魔搭社区： https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-1019 Ling-3.1-flash-base开源地址： Hugging Face： https://huggingface.co/inclusionAI/Ling-3.1-flash-base 魔搭社区： https://modelscope.cn/models/inclusionAI/Ling-3.1-flash-base 一、1019版复杂任务成绩提升，Base模型32项测试领先 此次开源的两款模型总参数均为5600亿，每个Token激活约250亿参数，但二者定位不同。 Ling-3.1-flash-1019 是在9月30日发布的 Ling-3.1-flash 基础上进一步后训练的模型，面向复杂推理和智能体任务。以行业调研为例，AI需要查找资料、分析数据，再整理成报告；处理办公流程时，还可能需要调用工具、在多个软件之间完成操作。 AA评测数据显示，在复杂知识工作测试AA-Briefcase v1.1中， 1019版成绩从1398 Elo升至1521 Elo ；在流程自动化测试AutomationBench-AA中，该模型成绩 从62%升至68% 。此外，在科学推理测试Humanity’s Last Exam中，其成绩 从39%升至43% ；在物理推理测试CritPt中， 从18%升至26% 。 ▲Ling-3.1-flash-1019与上一代模型的部分评测成绩对比（图源：蚂蚁百灵） 与经过后训练的1019版不同，Base保留的是后训练前的基础权重，此次百灵主要公布了知识、数学、代码、推理和长文本理解等基础能力的测试成绩。 据百灵披露，在与DeepSeek-V4-Pro-Base、MiMo-V2.5-Pro-Base的对比中，Ling-3.1-flash-base在8个领域共47项基准测试里， 有32项取得三款模型中的最高分。 这两款参评模型的参数规模均大于Ling-3.1-flash-base。DeepSeek-V4-Pro-Base总参数为1.6万亿、激活参数490亿；MiMo-V2.5-Pro-Base总参数为1.02万亿、激活参数420亿，而Ling-3.1-flash-base的 总参数仅5600亿、激活参数250亿 。 具体来看，在数学测试MATH500中， Ling-3.1-flash-base获得79.40分 ，高于DeepSeek