蚂蚁集团推出1240亿参数的AI模型，超越其万亿巨头

蚂蚁集团以Ling-3.0-Flash震惊AI界，这是一款开放权重的模型，拥有1240亿参数，仅在每个token上激活51亿，并在基准测试中超越了其前身的万亿模型。这一成就重新定义了计算效率和AI代理的实施成本。

• Ling-3.0-Flash采用MoE架构，总参数为1240亿，每个token仅激活51亿，能够在关键任务中与Ling-2.6-1T相媲美或超越。
• 该模型在MIT许可证下可用，具有262,000个token的原生上下文窗口，目标为100万个，旨在为高频生产代理设计。

蚂蚁集团，这家背后支持支付宝的金融科技巨头，于2026年7月23日推出了Ling-3.0-Flash。该模型由其inclusionAI实验室开发，挑战了在AI领域“大即是好”的观念。

Ling-3.0-Flash总共有1240亿参数，但在推理过程中每个token仅激活约51亿。该混合专家（MoE）架构允许每个输入仅涉及神经网络的一个子集，Cryptobriefing详细说明了这一点。

挑战规模的性能

在人工智能分析指数中，该模型获得了38分，等同于或超越了其前身Ling-2.6-1T，后者拥有完整的万亿参数。这使得它在总参数数量上约小八倍，但在生产部署中重要的指标上仍具竞争力。

主要成就体现在核心推理和指令跟踪任务上。该架构结合了混合推理与MoE，实现了效率而不牺牲质量。

上下文长度也有所进展：原生窗口为262,000个token，计划扩展到100万个。注意机制结合了Kimi的Delta注意力层和多头潜在注意力，称为混合线性方法。

这一设计在上下文增长时保持了可控的内存和计算需求。蚂蚁集团将这一技术描述为支持复杂代理任务的基础。

专为代理设计，而非仅仅是聊天

Ling-3.0-Flash专门为高频运行的生产级AI代理而设计。这些工作流程要求快速生成token、可靠遵循指令以及在不降级的情况下处理长上下文。

一个庞大的图书馆，图书管理员一次只需取出五本书，无论问题多么复杂。这是开发者用来解释这一方法的隐喻。

推理效率是降低成本的关键。通过仅激活51亿参数，直接减少了每次查询所需的计算，从而降低了大规模操作的成本。

蚂蚁集团已经在其支付宝服务中测试了该模型。尽管没有透露具体数字，但公司强调该模型已针对生产中的复杂代理任务进行了优化。

开放和商业可用性

该模型在Hugging Face上以MIT许可证发布，这是开源中最宽松的许可证。这允许在不支付版税的情况下使用、修改和商业再分发。

此外，通过OpenRouter和Kilo提供的API在2026年8月3日之前可免费访问。此外，还可以通过蚂蚁集团的渠道和Vercel的AI网关访问。

MIT许可证消除了开发者和企业将其集成到产品中的障碍。这与其他施加商业使用限制的开源模型形成对比。

蚂蚁集团决定开放该模型，旨在将公司定位为效率的领导者。根据原始报告，这可能加速AI在那些推理成本高昂的行业中的采用。

对未来AI的影响

如果一个拥有1240亿参数且仅激活51亿的MoE模型能够等同或超越万亿参数的基准，那么实施能够支持AI的成本结构显著降低。推理是AI公司在训练后花费资金的地方。

这一进展可能迫使其他实验室重新思考其规模策略。效率成为竞争的关键因素，而不仅仅是参数的数量。

AI代理市场直接受益，因为响应时间至关重要。像Ling-3.0-Flash这样的模型允许更快的交互和可预测的成本。

CryptoBriefing强调，这是AI效率竞赛中的一个显著步骤，对整个行业都有影响。速度、低成本和开放许可证的结合可能改变人工智能的格局。

蚂蚁集团证明，创新并不总是意味着构建最大的模型，而是构建最智能的模型以满足实际使用需求。开发者社区已经可以体验这一新一代高效AI。

本内容仅供参考，不构成任何金融、投资、法律或税务建议。文中提及的任何活动、奖励、线上活动或相关信息，不应被视为对购买、出售或交易任何加密资产的推荐、招揽或邀请。加密资产具有高波动性，存在价值损失风险。WEEX服务、产品及相关活动的可用性可能因地区而异。用户在参与前有责任确保符合当地适用法律法规。