Personal Agent走向真实任务,蚂蚁百灵开源 Ling-3.1-flash-1019

王者归来已是老翁行业资讯📡 量子位2026-10-28930 阅读💛 60 收藏
< img id="wx_img" src="https://www.qbitai.com/wp-content/uploads/imgs/qbitai-logo-1.png" width="400" height="400">

Personal Agent走向真实任务,蚂蚁百灵开源 Ling-3.1-flash-1019

10月28 日,蚂蚁集团旗下百灵大模型正式开源 Ling-3.1-flash-1019。

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。

版权所有,未经授权不得以任何形式转载及使用,违者必究。
蚂蚁
量子位的朋友们量子位的朋友们
  • 做能源与算力的“搭桥人”:达卯科技以能源大脑定义算电协同 | CPE 20262026-10-27
  • OXR强势开源!1.3B横扫全球三榜第一,速度快过Paddle、MinerU,RSI让它卷出新高度2026-10-27
  • 2026全球开发者先锋大会暨国际具身智能技能大赛圆满落幕2026-10-27
  • 30B大模型跑进手机,推理引擎开始自我进化2026-10-24

相关阅读

文章评论(12)

山问津18 天前

有没有更详细的教程,期待后续。

回复
龙文博18 天前

看标题就点进来了,内容果然没让人失望。

回复
暮临风18 天前

写得挺用心的,支持一下。

回复
杨丽华18 天前

有没有更详细的教程,期待后续。

回复
空向阳18 天前

这个比较实用,已转发给同事。

回复
逐光而行18 天前

看完了,收获满满,期待更多更新。

回复
龙文博18 天前

刚好最近在找这方面的资料,太及时了。

回复
杨丽华18 天前

实测过类似工具,作者说的基本属实。

回复
星知秋18 天前

写得挺用心的,支持一下。

回复
星知秋18 天前

这个比较实用,已转发给同事。

回复
杨丽华18 天前

楼主辛苦了,内容很有参考价值。

回复
风倚栏18 天前

很有价值的分享,感谢整理。

回复