AI图鉴

AI图鉴首页 › AI 资讯 › 智能指数得分创新高!蚂蚁百灵开源Ling-3.1-flash-1019:让Per

智能指数得分创新高!蚂蚁百灵开源Ling-3.1-flash-1019:让Personal Agent走向真实业务

来源:InfoQ中文 · 发布时间:10-28 · 由 AI图鉴每小时自动聚合

本条资讯的摘要暂未整理出来,可点击下方按钮查看原文;本站每小时自动补充中文摘要。

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 AI图鉴自动抓取并翻译,版权归原作者所有;如需查看原文请点下方链接。

相关 AI 工具

相关免费羊毛

同源资讯

阅读原文(infoq.cn)

标题、摘要与正文均来自该信源的公开页面,版权归原作者所有;本站自动聚合与翻译,仅作出处跳转。

← 返回 AI 资讯列表AI工具图鉴首页

返回 AI图鉴首页 · 提交工具 · 商务合作 · 关于本站 · 596 款 AI 工具分类导航 · 每日 AI 热门项目与动态