蚂蚁百灵于10月15日宣布开源新一代大模型Ling-3.1-flash，该模型总参数规模约560B，每个Token激活约25B，上下文窗口最高支持1M。这一规格使其在开源阵营中具备较强的长文本处理能力，面向企业知识问答、办公助手等需要读取长资料的场景。

在Artificial Analysis的公开评测中，Ling-3.1-flash的智能指数为41，输出速度约为每秒210 Token。针对本地部署需求，团队对routed experts采用MXFP4量化，dense层保持block-FP8精度，使权重占用从约534GB压缩至292GB。在对应的Hopper GPU测试配置中，服务部署由8卡降至4卡，降低了具备服务器级GPU团队的硬件门槛。不过官方也指出，实际需求仍会随上下文长度、并发量和服务配置而变化。

为应对长资料处理，团队提供了长上下文并行推理方案（PCP / DCP），并加强了对JSON Schema的工具调用支持，便于与现有业务接口对接。在推理效率方面，通过算子融合与DSpark投机解码减少开销：在平均输入约25.47K Token、输出约224 Token、缓存命中率76%的模拟生产请求中，8卡Hopper配置下平均首Token时间为604毫秒，相邻输出Token平均间隔为3.28毫秒。这一表现旨在缓解长资料输入后的交互响应延迟问题。