蚂蚁把560B大模型开源了：MXFP4一刀切掉一半显存、4卡就能跑，但"百万上下文"先打个问号？

9月30日上线时，外界反应直接：免费版本仅提供25.6万token上下文，百万token窗口需付费后才开放，开源更是“规划中”——先吸引用户、再放出模型参数，这一顺序引发了不少不满。

10月15日，蚂蚁履行了承诺：Ling-3.1-flash模型参数正式开源，FP8检查点以MIT许可上架Hugging Face和ModelScope，同时附带SGLang、vLLM部署路径。

规格一览：560B体量，25B成本

Ling-3.1-flash是典型的“大参数、小激活”MoE架构：72层、512个路由专家，每token仅激活8个，激活参数约25B——仅为总参数的二十二分之一。采用混合线性架构，最高标称100万token上下文。

这一比例意图明确：推理成本随激活参数走，能力上限随总参数走。用25B的成本，调动560B的“大脑”。上一代Ling-3.0-flash是124B/5B，这一代两项指标均翻了四五倍，并加入了混合推理模式。

部署策略：为何敢将专家压缩至4-bit

这次开源最具技术含量的部分是混合量化方案：

策略逻辑清晰：512个路由专家占参数主体，而MoE专家因稀疏激活、对量化敏感度较低，压缩至MXFP4后损失可控；dense层每token都需处理，是全模型的“主干道”，保守保留在block-FP8。两者结合，权重占用减少45%，服务部署在官方测试配置中从8卡降至4卡。

需泼冷水的是，官方也明确指出：实际显卡数随上下文长度、并发量和服务配置变化，4卡是特定测试条件下的数字，不能直接作为采购依据。另一个社区已发现的细节是：仓库发布的配置max_position_embeddings为262,144，“百万上下文”目前写在模型卡的目标栏中——今天可验证的是256K这一档。

跑分：官方榜单之外，听听用户反馈

第三方口径中，Artificial Analysis给出智能指数41、输出速度约每秒210 token，评价为“高频业务场景中智能与效率兼备”。Kilo Code上架价输入$0.30、输出$0.90/百万token，缓存读取$0.06——典型的执行层定价。

厂商自报分数需标注一个关键点：Terminal-Bench 4、SWE-bench Pro等成绩均在百灵自家的LingCode框架上得出——该框架基于开源编码智能体Pi改造，而LingCode本身尚未开源。用未开源的工具考出的分数，他人暂时无法复现。

独立用户的反馈更为立体。MindStudio实测中，它在SQL调优上单点命中最高影响的修复方案，单次SVG生成质量不错，模拟急救医疗问答结构完整；但在需要长链条工具调用的复杂Agent任务中——例如从Blender到Godot搭建一个完整游戏管线——结果是“能跑完，但游戏是坏的”。低资源语言同样是短板。

信号：开源战场同日撞车

10月15日这天格外拥挤：英伟达开源Nemotron 3.5 Super VL主打“始终在线”Agent，阶跃星辰放出600B的Step 5 Preview参数，蚂蚁开源Ling-3.1-flash。三家同日出手，指向同一阵地——可部署在自有基础设施中的Agent执行层。

合理推测是，竞争衡量单位正从“跑分”转向“每卡每天能完成多少任务”。蚂蚁这张牌的差异化在于：医疗沟通、办公、研发等蚂蚁自有业务培养的场景能力，加上从量化到长上下文并行的完整部署方案。能否胜出，取决于LingCode何时开源，以及4卡配置在真实业务并发下能否稳定运行。

公开资料的边界说明：百万上下文是目标值而非当前配置，官方跑分无第三方复现，量化方案的精度损耗数据尚未随仓库公布。

参数已就位。剩下的问题，开发者的具体任务会给出答案。