10 月 27 日 13:46（北京时间），蚂蚁集团旗下百灵团队 InclusionAI 的开放权重模型 Ling-3.1-flash-1019 在 Hugging Face 上线：模型卡列出的核心规格是 560B 总参数、每个 token 激活 25B、1M token 上下文窗口，架构为 63 层 KDA（Kimi Delta Attention，线性注意力）加 9 层 Gated MLA（门控多头潜在注意力）的混合线性 MoE（Mixture-of-Experts，专家混合）。页面时间戳显示，仓库创建于 27 日 05:46（UTC）。

这次发布兑现的是五天前的预告。10 月 22 日，观点网的报道记录了官方在 X 上公布这款模型的 Artificial Analysis 智能指数得分——44 分，较前代 Ling-3.1-flash 的 41 分上升 3 分——并表示「即将开放该模型的权重和 API」。27 日 20:44，官方账号 Ant Ling 发帖宣布「Ling-3.1-flash-1019 现已开源」，同时说明一并放出可继续训练的基座 Ling-3.1-flash-base；约 25 分钟后，Hugging Face 工程师 Adina Yakup 发帖确认「Ling 3.1 flash 1019 的权重终于放出来了」，帖内附上的正是这个仓库链接。

Artificial Analysis 页面卡片：InclusionAI 的 Ling 3.1 Flash 1019，智能指数 44，单个任务评估成本 1.49 美元，每任务 145K tokens

从预告到上线：仓库、镜像与两次发帖

把关键时间点排成一条线（均为北京时间）：

  • 10 月 22 日：官方在 X 宣布 Ling-3.1-flash-1019，并称即将开放权重和 API；Artificial Analysis 的模型页面 FAQ 也把这款模型的发布日期记为 2026 年 10 月 22 日。
  • 10 月 27 日 13:46：Hugging Face 仓库创建，模型卡随之上线。
  • 19:23：ModelScope 出现同名镜像。仓库元数据显示许可为 MIT、权重分 54 个 safetensors 分片，截至抓取累计 10 次下载。
  • 20:44：官方账号 Ant Ling 的开源帖发出。该账号简介写明，Ling（基座）、Ring（推理）、Ming（任意到任意）系列「来自蚂蚁集团的 AGI 倡议 InclusionAI」。抓取时该帖获 54 次转发、406 个赞、18.6 万次浏览。
  • 21:09：Adina Yakup 的确认帖同时写到「蚂蚁集团持续出货、不断改进，这份一致性开始见效」。她的 X 账号简介标注 @huggingface，并声明「观点仅代表个人」。帖文只确认权重可获取，不涉及任何基准数字的验证；抓取时获 3 次转发、29 个赞、1,902 次浏览。

抓取时（28 日），主模型卡页面显示 51 个赞、下载量为 0——实际采用刚刚开始。

512 个专家、每个 token 只激活 8 个：63 层 KDA 加 9 层 Gated MLA

模型卡的规格表把 72 层 transformer 拆成两类注意力：63 层 KDA 加 9 层 Gated MLA，比例 7:1；Ling-3.1-flash-base 的模型卡对同架构基座的描述是「线性注意力与 Gated MLA 按 7:1 组合」。MoE 部分配置 512 个路由专家和 1 个共享专家，每个 token 激活 8 个路由专家；另有 4 个稠密层。其余规格：注意力头 64，hidden size 4,096，专家中间维度 1,280，稠密层中间维度 10,240，词表 157,184。

上下文方面，模型卡标称 1M token。背后的实现路径写在 SGLang 的部署文档里：SGLang cookbook 说明该系列 checkpoint 原生上下文为 262,144 tokens，通过 YaRN（一种 RoPE 位置编码缩放方法，参数为 rope_type: yarn、factor 4.0）外推到 1,048,576 tokens，并称已在 H200 和 GB300 上验证——在 900,022 token 提示的第 700,023 位植入的事实被精确检索，300,101 token 提示的首字延迟（TTFT）H200 为 15.4 秒、GB300 为 12.6 秒。

权重格式上，Hugging Face 元数据列出 F8_E4M3、BF16、F32；cookbook 对该系列 checkpoint 的说明是 128×128 块量化的 FP8 E4M3 权重，配动态激活量化。

Day-0 SGLang 镜像与 vLLM：NEXTN 投机解码与实测吞吐

SGLang 文档中 Ling-3.1-flash 部署 cookbook 的页面卡片：FP8 混合 KDA + MLA MoE 配方，覆盖 H200 与 GB300

部署配套在这轮发布里给得相当完整。模型卡首推 day-0 SGLang 镜像 lmsysorg/sglang:dev-ling-3.1-flash，内置对 Ling-3.1-flash 的支持、NEXTN（MTP，多 token 预测）投机解码和 Hopper decode 优化——后者靠两个环境变量开启，官方称 batch-1 解码可快约 10%。示例启动命令按 8 张 H200 以 TP8+EP8（张量并行 8 路、专家并行 8 路）运行，GB300 用 4 卡 TP4+EP4。vLLM 路线同样给出了完整步骤：从 vllm 分支源码安装（VLLM_USE_PRECOMPILED=1），启动参数包括 TP8、专家并行、--mamba-cache-mode align、ling3 工具与推理解析器、3 个 MTP 投机 token；推荐采样参数为 temperature 1.0、top_p 0.95、top_k 20，并开启思考模式。

实测数字出自模型卡指定的 SGLang cookbook（10 月 25 日发布，围绕同架构的前代模型撰写）：NEXTN 投机解码的接受长度在随机 token 基准上为 2.61、真实文本探测为 2.13；H200 TP8 加 NEXTN 与解码优化的 batch-1 输出吞吐为 269.2 tokens/s（TP8+EP8 为 239.5），GB300 TP4 为 175.3 tokens/s（每输出 token 延迟 5.22 ms）；首次启动需一次性 4～5 分钟的 JIT 编译来生成投机解码图，batch-1 场景下低延迟 TP-only 配方比 EP 配方的延迟低约 9%～13%。硬件配方方面，模型卡列出 H200、GB300、H800、H100、B200 的已验证组合；cookbook 另给 AMD MI300X/MI325X/MI350X/MI355X 配方，但标注未经 SGLang 验证，MI325X 的精度数据由 AMD 测量。多轮对话的前缀缓存方案 HiCache 以 Mooncake 为 L3 存储，实测每个 TP rank 从存储恢复 5,952/6,000 个 token。

一并放出的 base 基座，和 12 天前刚开源的前代

27 日的官方帖文里有第二个权重仓库。Ling-3.1-flash-base 的模型卡显示（HF 页面时间戳为 10 月 25 日）：这是与前代同架构的 560B/25B 基座，训练用 FP8，发布的是经 WSM（Warmup-Stable and Merge）checkpoint 合并后的 BF16 权重，定位是继续预训练、领域适配和后训练研究。它附了一张 47 项基准、8 个领域的对比表，对象是 DeepSeek-V4-Pro-Base（1.6T 总参、激活 49B）和 MiMo-V2.5-Pro-Base（1.02T 总参、激活 42B）；以语言理解类第一项 Race-High 为例，三者 0-shot 成绩分别为 93.88、93.37、93.60（精确匹配，基座卡口径）。主模型卡底部还链接了训练内容摘要（TDS）PDF 与文档索引。

前代的时间线并不长：9 月 30 日，蚂蚁百灵首次发布 Ling-3.1-flash，据智通财经的报道，模型被放进办公、医疗沟通和软件研发场景；10 月 15 日权重开源到 Hugging Face 和 ModelScope，routed experts 采用 MXFP4 量化、dense 层保持 block-FP8，权重占用从约 534GB 降到 292GB，Hopper 测试配置下的服务部署从 8 卡降到 4 卡。当时的公开成绩是 AA 智能指数 41、输出约 210 tokens/s，Design Arena 开放权重类别中数据可视化、React Native 移动应用、3D 设计和游戏开发四个方向列第三，SVG 生成、网页制作分列第四、第五。这次上线的 -1019 沿用同样的总参与激活规格，模型卡将其定位为「Ling-3.1-flash 的升级版」，改动来自进一步的后训练优化。

五项自报基准，AA 独立页面对上其中一项

模型卡列出五项与前代的自报对比：AA-Briefcase 约 1,400→1,524 Elo；AutomationBench-AA 62%→68%；CritPt 18%→26%，是各百分比基准中提升幅度最大的一项；SciCode 54%→57%；Artificial Analysis Intelligence Index v4.3.2 41→44。卡片把这组提升归因于后训练优化，覆盖复杂推理、多步任务执行和 agentic 工作流。

这组数字的验证状态分两层。智能指数一项已能在 Artificial Analysis 的页面查到：分数同样是 44，页面称其远高于同等规模开放权重模型的中位数（19 分），并注明评测结果由该机构独立测量。页面按 InclusionAI 的 API 报价（输入 $0.30/1M tokens、输出 $0.90/1M tokens）算出，评测中平均每个任务成本 $1.49。另外四项目前的公开出处是模型卡；其中 AA-Briefcase 与 AutomationBench-AA 的数字，在 10 月 22 日预告的媒体转述里也出现过。当时的竞品坐标也由这轮预告给出：据观点网报道，44 分与月之暗面 Kimi K3 同分，比通义千问 Qwen3.8 Max、DeepSeek V4.1 Flash 1017（Max）和智谱 GLM-5.3（max）低 1 分。

AA 页面上还有两个没写进模型卡的数字：其一，在 Intelligence Index 评测运行中该模型共生成 3.5 亿个 token，是同类中位数 1.4 亿的 2.5 倍，AA 的评语是「非常冗长」——在按 token 计费的场景里，这是标价之外的另一项成本；其二，页面的速度一栏至今没有数据。至于那四项仍停留在厂商口径的基准，检验条件已经备齐：权重、day-0 镜像、vLLM 配方和 cookbook 全部公开——剩下的就是第三方把 54 个分片跑起来的结果。

参考链接

本文由 AREX Agent 基于公开网络信源自动整合梳理。
AI 可能存在信息遗漏、时序偏差或事实误判。文中观点与事实请结合文末原始链接交叉核验，请勿直接作为决策依据。

内容中包含的图片若涉及版权问题，请及时与我们联系删除