蚂蚁百灵开源面向个人Agent的新模型
蚂蚁百灵宣布开源Ling-3.1-flash-1019，资讯将其定位于个人Agent真实任务。所给摘要未披露模型规模、评测结果、许可或部署要求。
AI 深度解读
蚂蚁百灵在 10 月 28 日开源 Ling-3.1-flash-1019，同时开放基础模型 Ling-3.1-flash-base。它想解决的问题很明确：个人 AI 助理接到目标后，能否使用工具、处理变化，把一项任务持续推进下去。
原文给出的证据主要是模型测评分数，以及灵光 2.0 的应用介绍。对程序员更有价值的是看清两层能力：模型负责理解和执行，产品负责记忆、调度与运行环境。两者配合，才可能从聊天走向持续办事。
分数涨了，能说明它更会办事吗
Ling-3.1-flash-1019 在上一版 Ling-3.1-flash 上继续训练，在 Artificial Analysis Intelligence Index v4.3.2 中获得 44 分，比上一版提高 3 分。原文还列出了几组更具体的变化：
| 测评 | 上一版 | 1019 版本 |
|---|---|---|
| 复杂知识工作 AA-Briefcase | 约 1400 Elo | 1524 Elo |
| GDPval-AA | 约 1618 Elo | 1644 Elo |
| 流程自动化 AutomationBench-AA | 62% | 68% |
| 科学问题求解 CritPt | 18% | 26% |
| SciCode | 54% | 57% |
这些结果覆盖知识工作、自动化和科学问题求解，支持一个有限结论：新版本在所列测试中的表现有所改善。
但 Elo 是相对评分，不能直接当成任务成功率；AutomationBench-AA 的 68%，也不能直接解释为日常事务有 68% 能自动完成。原文没有提供测试配置、重复次数，以及真实任务中断后恢复的成功率。
测评分数是选型线索，持续办事的可靠性还需要真实工作流验证。
退出聊天后还在运行，靠的不只是模型
10 月 27 日升级的灵光 2.0，被定位为「能管事的个人 AI 助理」。原文介绍，它具备跨会话记忆、长程任务调度和独立云主机，可以在用户授权范围内继续跟进任务，即使用户退出对话，任务也能运行。
旅行规划就是一个直观例子。生成攻略只是开始，后续还要根据出发时间关注天气、预约和行前准备。双 11 购物也类似：先按预算、规格和偏好筛选商品，再持续关注价格，满足约定条件时提醒用户。
这里需要分清职责。模型决定下一步做什么、怎样使用工具；产品系统负责保存状态、安排执行时间，并提供持续运行的环境。
换一个模型，不会自动让聊天应用拥有后台任务能力。
百灵称，其通过训练和应用反馈强化推理、工具使用与多步骤执行；Ling-3.1-flash 也结合灵光、阿福医生版的需求开展对齐训练。原文介绍了这条迭代路径，但没有给出上述生活场景的端到端实测记录。
开源基座提供了什么，又有哪些门槛
同步开放的 Ling-3.1-flash-base 采用混合线性 MoE 架构，总参数约 560B，每个 Token 激活约 25B 参数。MoE 可以理解为：模型拥有很多参数，但处理每个 Token 时只调用其中一部分，以平衡容量和计算开销。
按原文披露，在 8 个领域、47 项 benchmark 中，该基座在 32 项上超过 DeepSeek-V4-Pro-Base 和 MiMo-V2.5-Pro-Base，取得最高分。不过，原文没有展开完整成绩和测试条件，不能据此推断所有业务任务的表现。
开发者能拿到的是 BF16 基础权重，许可证为 MIT，可用于继续预训练、领域适配及后训练。基础模型也不等于已经调好工具调用的个人助理，后续仍有训练和系统工程工作。
视觉能力则是另一条线：基于 Ling-3.1-flash 训练的 Ling-3.1-flash-VL 已先行用于灵光，原文称后续对外发布，不能把它算作此次已经开放的能力。
百灵此前还基于 Ling-3.0-flash 推出金融模型 Ling-3.0-flash-Fin 和医疗模型 Ling-3.0-flash-Sante。Fin 总参数为 124B、激活参数为 5.1B；Sante 为 124B。原文声称前者在高难度投研任务中比肩 3T 级模型，后者在 1.6T 以下模型中表现最优，但没有提供可供核对的完整对照数据。
我的判断
我认同原文对产品分工的描述：持续任务确实需要记忆、调度和执行环境，模型只是其中一环。这比只讨论参数规模更贴近开发问题。
但这篇内容由蚂蚁提供，量子位获授权转载，证据主要来自厂商披露，并非记者独立复测。「更适合 Personal Agent」目前有测评改善作为支持，距离证明长时间运行稳定、工具调用可靠，还有信息缺口。
对一般团队，560B 总参数也构成现实门槛。每个 Token 激活约 25B，不代表部署时只需承担 25B 模型的存储和显存需求。原文没有给出部署配置、延迟、吞吐或成本。
如果需求只是定时查价、满足条件发提醒，固定流程加模型处理非结构化信息，也是应该比较的方案。原文没有这类对照，不能认定更自主的 Agent 一定更合算。
能拿来做什么
- 做 Node 个人助理时，先把任务状态存储、调度和后台执行搭起来，再接入模型；用户关闭页面后，任务应由服务端继续管理。
- 评估 Ling-3.1-flash-1019 时，可以选一个明确的多步骤流程，记录任务完成率、工具调用错误和人工接管次数，检验测评提升是否能迁移到自己的需求。
- 考虑使用 Ling-3.1-flash-base 做领域适配前，先核算 BF16 权重的部署和训练资源，并确认团队是否具备后训练能力。
- 需要读取截图或其他视觉信息时，先核实 Ling-3.1-flash-VL 的实际发布状态，避免依据应用演示安排开源部署计划。