10月28 日，蚂蚁集团旗下百灵大模型正式开源 Ling-3.1-flash-1019。新版本在 Ling-3.1-flash 基础上进一步训练优化，在智能指数Artificial Analysis Intelligence Index v4.3.2 中获得44分，较上一版本提升3分。与此同时，百灵同步开源其基础模型 Ling-3.1-flash-base，为长程任务所需的知识、推理和计算效率打好基础。
据了解，Ling-3.1-flash-1019 版本面向 Personal Agent 场景，进一步提升了模型处理复杂工作流和多步骤任务的表现。从测评具体来看，新版本在复杂知识工作AA-Briefcase 中的得分从约1400 Elo提升至1524 Elo，GDPval-AA从约1618 Elo提升至1644 Elo；流程自动化AutomationBench-AA得分从62%提升至68%；科学问题求解CritPt得分从18%提升至26%，SciCode得分从54%提升至57%。
记者注意到，百灵本次模型迭代开源与灵光 2.0 息息相关。就在 10 月 27日，灵光 2.0 升级为「能管事的个人AI助理」，依托跨会话记忆、长程任务调度与独立云主机等能力，灵光可以在用户授权范围内更主动地跟进任务、持续管理生活中的复杂事务，即使用户退出对话，相关任务也能继续运行。这背后对模型能力提出了新要求。
从回答问题到持续办事，模型需要哪些新能力？
与即时问答不同，个人智能体需要围绕一个目标持续工作，这既需要产品具备记忆和任务调度机制，也需要底层模型能够理解目标、使用工具、处理新信息并推进任务。
灵光2.0，呈现了这类能力在个人生活中的应用。 例如，规划一趟旅行，不只是生成一份行程攻略，还需要结合出发时间跟进天气、预约和行前准备；面对双11购物需求，则要按照预算、规格和个人偏好筛选商品、整理清单，并持续关注价格变化，在符合约定条件时提醒用户。
围绕这些需求，百灵持续通过模型训练和应用反馈，探索 Personal Agent 所需的能力。Ling-3.1-flash-base 在设计初期就将这些需求纳入考虑，模型采用混合线性 MoE 架构，总参数量约560B，每个 Token 激活约25B参数，在模型容量、长序列处理和单步计算开销之间取得平衡，为后续面向真实任务的训练提供基础。
在 8 个领域共 47 项 benchmark 测试中，Ling-3.1-flash-base 在 32 项上超越了 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base，取得最高分。其中，知识理解、逻辑推理、代码、数学与长上下文评测，对应着个人助理处理复杂事务所需的多项基础能力，成为处理复杂任务的重要起点。据了解，Ling-3.1-flash-base以 BF16 基础权重、MIT 许可证向开发者开放，开发者可以基于自身的知识、流程和工具开展继续预训练、领域适配及后训练。
在基础能力之上，Ling-3.1-flash 及后续的 1019 版本通过后训练，持续强化推理、工具使用和多步骤执行能力，持续提升模型在实际工作流中的表现。记者注意到，百灵从 Base 到后训练模型，研发重点逐步延伸到如何遵循目标、使用工具和推进任务。
据了解，围绕个人事务中的多模态信息处理需求，百灵基于 Ling-3.1-flash 训练了视觉语言模型 Ling-3.1-flash-VL，在既有推理、规划和工具使用能力的基础上增加视觉理解，目前已先行应用于灵光，后续将对外发布。
从真实任务中来，到真实应用中去
目前，百灵正逐步完善 Personal Agent 所需的模型能力。模型层面的能力演进，也正在应用中得到进一步验证和探索。据了解， Ling-3.1-flash 已基于灵光、阿福医生版等应用场景的需求与反馈开展对齐训练，持续提升模型在专业表达和沟通等方面的能力。
“从真实任务中来，到真实应用中去。”百灵表示，希望通过模型研发与应用实践的持续循环，提升模型理解目标、保持任务状态和应对变化的能力，并且将持续通过开源与开发者共同探索更多应用可能。
记者注意到，不同于单纯追求模型参数规模，百灵更注重让基础模型能力进入真实流程，完成真实任务。今年下半年以来，百灵围绕开放开源和真实场景加速模型迭代和发展。
此前，百灵基于新一代基座模型Ling-3.0-flash，分别推出金融增强模型Ling-3.0-flash-Fin和医疗增强模型Ling-3.0-flash-Sante，将基础模型能力进一步带入真实专业场景。 其中，Ling-3.0-flash-Fin（总参数124B、激活5.1B）让AI进入真实投研任务流，打通从找资料、做分析到形成研究成果的完整任务链，在高难度投研任务中比肩3T级前沿模型，金融Agent综合表现达到开源领先；Ling-3.0-flash-Sante则将“高智效比”带入医疗场景，以124B参数规模在1.6T以下模型中取得最优表现，整体性能与多款旗舰模型相当。
本文由蚂蚁提供，量子位获授权转载，观点归原作者所有。