蚂蚁百灵开源 Ling-3.1-flash：560B 参数、4 卡可部署

蚂蚁百灵于 2026 年 10 月正式开源 Ling-3.1-flash 模型。该模型总参数约 560B，每 Token 激活约 25B，最高支持 1M 上下文长度，权重已上架 Hugging Face 和 ModelScope。

此前 560B 量级模型通常需要更大规模集群部署，此次该模型以稀疏激活和 4 卡部署为卖点开源，并同步放出权重，降低了中小团队接触超大规模模型的硬件门槛。

总参数 560B 但每 Token 仅激活约 25B，说明采用稀疏激活架构，推理时只调用部分参数，从而压缩显存与算力需求；1M 上下文则依赖注意力与缓存机制的配套优化。

若 4 卡部署与 1M 上下文在实际测试中成立，团队可在较小集群上承载长文档处理、代码库理解等长上下文场景，推理侧硬件预算与部署方案需重新评估。

• 在 Hugging Face 或 ModelScope 下载权重，用 4 卡环境实测吞吐、延迟与显存占用，形成可复用的部署基线
• 围绕 1M 上下文能力，验证长文档问答、代码库检索等此前受上下文长度限制的场景
• 对比同量级开源模型，评估在自有业务数据上的微调成本与效果差异

• 4 卡部署对应的具体卡型、显存与量化精度尚未说明
• 1M 上下文在实际任务中的有效检索与推理表现缺少验证数据
• 开源许可证的具体条款与商用限制未在证据中披露
• 每 Token 激活 25B 对应的推理成本与吞吐数据尚不明确