10月28日、アントグループ傘下の百灵大規模モデルがLing-3.1-flash-1019を正式にオープンソース化した。新バージョンはLing-3.1-flashをベースにさらに訓練・最適化が行われ、知能指数Artificial Analysis Intelligence Index v4.3.2で44点を獲得し、前バージョンから3点向上した。同時に、百灵は基盤モデルLing-3.1-flash-baseもオープンソース化し、長期タスクに必要な知識、推論および計算効率の基盤を整えた。
Ling-3.1-flash-1019バージョンはPersonal Agentシナリオを対象に、複雑なワークフローや複数ステップのタスクを処理するモデルの性能をさらに向上させた。評価の詳細を見ると、新バージョンは複雑なナレッジワークAA-Briefcaseのスコアを約1400 Eloから1524 Eloに、GDPval-AAを約1618 Eloから1644 Eloに向上させた。プロセス自動化AutomationBench-AAのスコアは62%から68%に、科学問題解決CritPtのスコアは18%から26%に、SciCodeのスコアは54%から57%に向上した。
記者が注目したのは、百灵の今回のモデル反復とオープンソース化が灵光2.0と密接に関連している点だ。10月27日、灵光2.0は「仕事を任せられる個人AIアシスタント」にアップグレードされ、セッションを跨ぐ記憶、長期タスクのスケジューリング、独立クラウドホストなどの能力により、灵光はユーザーの許可範囲内でより能動的にタスクをフォローし、生活上の複雑な用事を継続的に管理できる。ユーザーが会話を離脱しても、関連タスクは実行を続けられる。この裏には、モデル能力への新たな要求がある。
質問に答えるから継続的に用事をこなすへ、モデルにはどのような新能力が必要なのか。
即時の質疑応答とは異なり、パーソナルエージェントは一つの目標に沿って継続的に作業する必要がある。そのためには、記憶とタスクスケジューリングの仕組みを製品が備えるだけでなく、基盤モデルが目標を理解し、ツールを使い、新しい情報を処理し、タスクを推進できることも必要となる。
灵光2.0は、こうした能力の個人生活における応用を示している。例えば、旅行の計画では、単に旅程ガイドを生成するだけでなく、出発時期に合わせて天候、予約、出発前の準備をフォローする必要がある。ダブルイレブン（11月11日）のショッピングでは、予算、仕様、個人の好みに応じて商品を絞り込み、リストを整理し、価格の変化を継続的に注視し、約束した条件を満たす際にユーザーへ通知する必要がある。
こうしたニーズを踏まえ、百灵はモデル訓練とアプリケーションのフィードバックを通じて、Personal Agentに必要な能力を継続的に模索してきた。Ling-3.1-flash-baseは設計初期からこれらのニーズを考慮に入れており、モデルはハイブリッド線形MoEアーキテクチャを採用し、総パラメータ数は約560B、トークンごとに約25Bのパラメータを活性化し、モデル容量、長シーケンス処理、単一ステップの計算コストのバランスを取り、その後のリアルなタスクに向けた訓練の基盤を提供する。
8分野・計47項目のbenchmarkテストにおいて、Ling-3.1-flash-baseは32項目でDeepSeek-V4-Pro-BaseとMiMo-V2.5-Pro-Baseを上回り、最高スコアを獲得した。うち、知識理解、論理推論、コード、数学、長コンテキストの評価は、パーソナルアシスタントが複雑な用事を処理するのに必要な複数の基礎能力に対応し、複雑なタスク処理の重要な出発点となる。Ling-3.1-flash-baseはBF16ベースの重み、MITライセンスで開発者に公開されており、開発者は自身の知識、フロー、ツールに基づいて継続事前学習、ドメイン適応および後段訓練を行うことができる。
基礎能力の上に、Ling-3.1-flashおよびその後続の1019バージョンは後段訓練を通じて、推論、ツール使用、複数ステップ実行の能力を継続的に強化し、実際のワークフローにおけるモデルのパフォーマンスを継続的に向上させている。記者が注目したのは、百灵がBaseから後段訓練モデルへと、研究開発の重点を、目標の遵守、ツールの使用、タスクの推進の方法へと段階的に拡げてきた点だ。
個人用事におけるマルチモーダル情報処理のニーズを踏まえ、百灵はLing-3.1-flashに基づき視覚言語モデルLing-3.1-flash-VLを訓練した。既存の推論、計画、ツール使用能力に視覚理解を加えたもので、現在は先行して灵光に応用されており、今後対外的に公開される予定だ。
リアルなタスクから生まれ、リアルな応用へ
現在、百灵はPersonal Agentに必要なモデル能力を段階的に整えている。モデルレベルの能力の進化も、応用の中でさらに検証・模索されている。Ling-3.1-flashは、灵光、阿福医生版などの応用シナリオのニーズとフィードバックに基づきアライメント訓練を行い、専門的な表現やコミュニケーションなどの面でのモデルの能力を継続的に向上させているという。
「リアルなタスクから生まれ、リアルな応用へ」。百灵は、モデル研究開発と応用実践の継続的なサイクルを通じて、モデルが目標を理解し、タスク状態を維持し、変化に対応する能力を高めるとともに、オープンソースを通じて開発者とともにさらなる応用の可能性を継続的に模索していくと述べた。
記者が注目したのは、単純にモデルのパラメータ規模を追いかけるのではなく、百灵は基盤モデルの能力をリアルなフローに入れ、リアルなタスクを完遂させることをより重視している点だ。今年下半期以降、百灵はオープン化・オープンソース化とリアルなシナリオを軸に、モデルの反復と発展を加速させている。
以前、百灵は新世代基盤モデルLing-3.0-flashに基づき、金融強化モデルLing-3.0-flash-Finと医療強化モデルLing-3.0-flash-Santeをそれぞれ発表し、基盤モデルの能力をリアルな専門シナリオへとさらに進出させた。うち、Ling-3.0-flash-Fin（総パラメータ124B、活性化5.1B）はAIをリアルな投資調査タスクフローに参入させ、資料収集、分析から研究成果の形成までの完全なタスクチェーンをつなぎ、高難度の投資調査タスクにおいて3T級のフロンティアモデルに匹敵し、金融Agentの総合パフォーマンスはオープンソースのトップ水準に達した。Ling-3.0-flash-Santeは「高知効比」を医療シナリオにもたらし、124Bのパラメータ規模で1.6T未満のモデルの中で最良のパフォーマンスを達成し、全体的な性能は複数のフラッグシップモデルに匹敵する。
本記事はアントグループ（蚂蚁）の提供によるもので、量子位が転載の許可を得た。見解は原作者に帰属する。