智東西
作者 李水青
編輯 心緣

智東西4月22日?qǐng)?bào)道，上周沖上OpenRouter熱榜（Trending）第一的匿名測(cè)試模型Elephant Alpha今早正式揭曉真身——螞蟻旗下的百靈模型Ling-2.6-flash。

匿名上線(xiàn)以來(lái)，該模型調(diào)用量持續(xù)增長(zhǎng)，連續(xù)多日位列熱榜榜首，日均tokens調(diào)用量達(dá)100B級(jí)別。不少網(wǎng)友試用后表示印象深刻，有人稱(chēng)這是“用過(guò)最快的模型”“token效率很高”。

螞蟻今日宣布正式推出Ling-2.6-flash。該模型總參數(shù)量104B，激活參數(shù)7.4B，為Instruct模型。如下圖所示，該模型在Agent相關(guān)基準(zhǔn)上達(dá)到同尺寸SOTA水平，并在其他核心能力上表現(xiàn)出色。

Ling-2.6-flash追求的是在控制token消耗的前提下，保持對(duì)Agent任務(wù)的強(qiáng)競(jìng)爭(zhēng)力，主要具備以下三大核心能力：

1、混合線(xiàn)性架構(gòu)，釋放推理效率：通過(guò)引入混合線(xiàn)性架構(gòu)，模型從底層優(yōu)化計(jì)算效率。在4卡H20條件下，推理速度最快可達(dá)340 tokens/s，Prefill吞吐達(dá)到Nemotron-3-Super的2.2倍。

2、token效率優(yōu)化，提升智效比：訓(xùn)練過(guò)程中對(duì)token效率進(jìn)行針對(duì)性校準(zhǔn)，力求以更精簡(jiǎn)輸出完成目標(biāo)。在Artificial Analysis完整評(píng)測(cè)中，Ling-2.6-flash僅消耗15M tokens，約為Nemotron-3-Super等模型的1/10。

3、面向Agent場(chǎng)景定向增強(qiáng)：針對(duì)工具調(diào)用、多步規(guī)劃與任務(wù)執(zhí)行能力持續(xù)打磨。在BFCL-V4、TAU2-bench、SWE-bench Verified、Claw-Eval、PinchBench等評(píng)測(cè)中，即使面對(duì)激活參數(shù)更大的模型，依然取得相近甚至SOTA級(jí)別的表現(xiàn)。

從智東西上周對(duì)該模型的實(shí)測(cè)來(lái)看，其在執(zhí)行速度、指令響應(yīng)、前端原型開(kāi)發(fā)與長(zhǎng)文件處理上表現(xiàn)高效，Agent規(guī)劃與工具調(diào)用能力較強(qiáng)，但在項(xiàng)目級(jí)應(yīng)用開(kāi)發(fā)上仍有局限。總體而言，這是一款在輕量級(jí)、高頻任務(wù)中具有優(yōu)勢(shì)的高效模型。

▲智東西用該模型接入類(lèi)OpenClaw產(chǎn)品生成泰國(guó)7日游攻略網(wǎng)站

Ling-2.6-flash將在OpenRouter與官方平臺(tái)同步提供一周免費(fèi)API調(diào)用。

官方免費(fèi)期結(jié)束后，平臺(tái)仍將提供每日50萬(wàn)tokens免費(fèi)額度；超出部分按量計(jì)費(fèi)：輸入0.6元/百萬(wàn)tokens，輸出1.8元/百萬(wàn)tokens。模型的BF16、FP8、INT4等版本也將于近期開(kāi)源。

OpenRouter體驗(yàn)地址：
https://openrouter.ai/inclusionai/ling-2.6-flash:free

Ling-2.6-flash官方體驗(yàn)及API地址：
https://ling.tbox.cn/chat

一、實(shí)測(cè)：秒級(jí)響應(yīng)、指哪打哪，幾十分鐘產(chǎn)出百萬(wàn)字長(zhǎng)篇

智東西在體驗(yàn)中首先嘗試了一些編程小項(xiàng)目，發(fā)現(xiàn)其響應(yīng)速度和Agent工具調(diào)用能力較強(qiáng)。

首先是一個(gè)網(wǎng)站，這主要考察模型的前端能力。拿到開(kāi)發(fā)任務(wù)后，該模型對(duì)網(wǎng)站的幾個(gè)核心組件進(jìn)行了規(guī)劃，并主動(dòng)為這一網(wǎng)站加入了明暗模式切換、移動(dòng)端響應(yīng)式設(shè)計(jì)等我們并未要求的功能，最終耗時(shí)1分鐘左右完成開(kāi)發(fā)。

當(dāng)我們要求它將網(wǎng)站的主色調(diào)改成綠色后，該模型用不到10秒鐘就完成了修改，其他大部分模型在處理修改任務(wù)時(shí)往往需要通讀上下文，逐一修改，花上幾分鐘。

而它基本做到了指哪兒打哪兒，這對(duì)于一些快速、高頻的網(wǎng)站調(diào)試需求是很實(shí)用的。

我們也試了試它有沒(méi)有打造項(xiàng)目級(jí)任務(wù)的能力，讓它根據(jù)自己的內(nèi)部知識(shí)，復(fù)刻一個(gè)支付軟件。我們是在Kilo Code插件中體驗(yàn)的模型編程，由該模型驅(qū)動(dòng)的多個(gè)子Agent并行工作，進(jìn)一步放大了它的輸出速度優(yōu)勢(shì)，但是其最終打造的結(jié)果僅能算是一個(gè)原型。這種表現(xiàn)可能與其較小的參數(shù)量有關(guān)。

（更多體驗(yàn)案例移步→《匿名模型“大象”攪局OpenRouter：100B參數(shù)沖到熱榜第一，實(shí)測(cè)結(jié)果如何》）

螞蟻官方也公布了一些Ling-2.6-flash的實(shí)戰(zhàn)演示：

在代碼場(chǎng)景，以網(wǎng)頁(yè)生成為例，Ling-2.6-flash兼具高審美表達(dá)與高速代碼生成能力，能準(zhǔn)確調(diào)用前端組件與圖標(biāo)庫(kù)，適合單頁(yè)面演示和原型制作中的快速驗(yàn)證。

其INT4量化版本可在DGX Spark上運(yùn)行，下面視頻為基于Ling-2.6-flash&DGX Spark 構(gòu)建業(yè)界SOTA Hermes一體機(jī)教程。

Ling-2.6-flash結(jié)合Kilo Code可將視覺(jué)指令快速轉(zhuǎn)化為高質(zhì)量界面，勝任個(gè)性化視覺(jué)風(fēng)格生成、報(bào)刊級(jí)排版及周刊、報(bào)告等辦公內(nèi)容的即時(shí)生成。

在文本場(chǎng)景，Ling-2.6-flash僅憑Prompt即可勝任多步驟文本任務(wù)執(zhí)行，在指令遵循、文風(fēng)調(diào)整與實(shí)時(shí)生成方面表現(xiàn)突出。

在Agent工具調(diào)用場(chǎng)景，該模型具備強(qiáng)大的上下文檢索、工具調(diào)用與高速響應(yīng)能力，適合復(fù)雜信息處理與知識(shí)增強(qiáng)場(chǎng)景。

基于Ling-2.6-flash，長(zhǎng)篇寫(xiě)作助手autonovel可覆蓋世界觀設(shè)定、角色構(gòu)建、大綱生成到正文創(chuàng)作的全流程，以200+ tokens/s的生成速度，僅需幾十分鐘即可產(chǎn)出百萬(wàn)字長(zhǎng)稿。

在需求整理和排期等真實(shí)工作場(chǎng)景中，Ling-2.6-flash能穩(wěn)定參與信息檢索、任務(wù)拆解、內(nèi)容處理與工具協(xié)同，具備較低的幻覺(jué)率與較高的結(jié)果可用性。

二、架構(gòu)升級(jí)：推理吞吐最高提升4倍

Ling-2.6-flash延用了Ling 2.5的模型架構(gòu)設(shè)計(jì)：在Ling 2.0架構(gòu)基礎(chǔ)上引入混合線(xiàn)性注意力機(jī)制，通過(guò)增量訓(xùn)練將GQA注意力機(jī)制升級(jí)為1:7的MLA+Lightning Linear高效混合架構(gòu)。

得益于混合注意力機(jī)制與高度稀疏化的MoE架構(gòu)，Ling-2.6-flash在推理效率上優(yōu)勢(shì)顯著。與同尺寸級(jí)別的主流SOTA模型相比，首字響應(yīng)更快，長(zhǎng)輸出場(chǎng)景下的生成效率更高，Prefill吞吐與Decode吞吐最高均可達(dá)到約4倍提升。隨著上下文長(zhǎng)度和生成長(zhǎng)度增加，吞吐優(yōu)勢(shì)進(jìn)一步放大。

在預(yù)訓(xùn)練階段，團(tuán)隊(duì)通過(guò)大規(guī)模算子融合提升訓(xùn)練效率；推理側(cè)則圍繞真實(shí)部署場(chǎng)景深度適配，使融合算子在融合粒度、實(shí)現(xiàn)路徑與數(shù)值行為上盡可能與訓(xùn)練側(cè)保持一致。相關(guān)推理算子將隨linghe陸續(xù)開(kāi)源。

針對(duì)不同精度場(chǎng)景，推理鏈路進(jìn)行了系統(tǒng)性?xún)?yōu)化：

BF16推理：實(shí)現(xiàn)QK Norm+RoPE、Group RMSNorm+Sigmoid Gate等關(guān)鍵算子深度融合，MoE Router GEMM與LM Head GEMM采用BF16 Input+FP32 Output計(jì)算方式。

FP8推理：進(jìn)一步融合RMSNorm、SwiGLU與量化算子，針對(duì)小Batch Size引入Split-K的Blockwise FP8 GEMM，以此帶來(lái)更高的系統(tǒng)吞吐、單用戶(hù)TPS、更短的等待時(shí)間，以及在真實(shí)交互場(chǎng)景下更穩(wěn)定、更流暢的使用體驗(yàn)。

在Artificial Analysis榜單的Output Speed維度測(cè)評(píng)中，Ling-2.6-flash以215 tokens/s的輸出速度處于第一梯隊(duì)。

三、更優(yōu)性能，token消耗僅為同行十分之一

在Artificial Analysis的Intelligence vs. Output tokens對(duì)比中，Ling-2.6-flash展現(xiàn)了突出的token效率優(yōu)勢(shì)：以15M output tokens實(shí)現(xiàn)了26分的Intelligence Index，在保持較強(qiáng)智能水平的同時(shí)將輸出消耗控制在相對(duì)更低的位置。相比部分依賴(lài)更長(zhǎng)輸出換取更高分?jǐn)?shù)的模型，它在“智能表現(xiàn)”與“輸出成本”之間取得了更優(yōu)平衡。

對(duì)于開(kāi)發(fā)者和企業(yè)場(chǎng)景而言，這種能力帶來(lái)的價(jià)值可能是更低的推理開(kāi)銷(xiāo)、更快的首字響應(yīng)、更短的整體生成時(shí)延，以及更流暢的交互體驗(yàn)。

▲基于AA榜單的官方測(cè)評(píng)分?jǐn)?shù)繪制

從token消耗看，在 Artificial Analysis Intelligence Index 的完整評(píng)測(cè)中，Ling-2.6-flash的總消耗僅為15M tokens，而Nemotron-3-Super等模型達(dá)到或超過(guò)110M tokens——僅用約1/10的token消耗完成同類(lèi)評(píng)測(cè)任務(wù)，智效比更高。

四、強(qiáng)化學(xué)習(xí)特訓(xùn)：Agent能力對(duì)標(biāo)SOTA

為增強(qiáng)模型Agent能力，團(tuán)隊(duì)顯著擴(kuò)展了Ling-2.6-flash訓(xùn)練數(shù)據(jù)的難度與廣度，依托自研的大規(guī)模高保真交互環(huán)境，進(jìn)行了針對(duì)性的General Agent與Coding Agent強(qiáng)化學(xué)習(xí)（RL）訓(xùn)練。

模型在指令遵循、工具調(diào)用、多步規(guī)劃及長(zhǎng)程執(zhí)行方面表現(xiàn)提升顯著，在BFCL-V4、TAU2-bench、SWE-bench Verified、PinchBench等榜單上表現(xiàn)優(yōu)異。通過(guò)RL優(yōu)化泛化性與穩(wěn)定性，在Claude Code、Kilo Code、Qwen Code、Hermes Agent、OpenClaw等框架中均展現(xiàn)了良好的使用體驗(yàn)。

此外，Ling-2.6-flash在通用知識(shí)、數(shù)學(xué)推理、指令遵循及長(zhǎng)文本解析等維度保持優(yōu)秀水準(zhǔn)，各項(xiàng)指標(biāo)對(duì)齊同尺寸SOTA模型。

結(jié)語(yǔ)：部分高復(fù)雜度場(chǎng)景受限，將繼續(xù)探索智效比邊界

經(jīng)過(guò)一周的持續(xù)迭代和優(yōu)化，Ling-2.6-flash在Agent場(chǎng)景的泛化性和穩(wěn)定性方面獲得進(jìn)一步提升。

Ling-2.6-flash在工具調(diào)用、多步規(guī)劃與長(zhǎng)程任務(wù)執(zhí)行等關(guān)鍵維度上實(shí)現(xiàn)了明顯提升。但百靈團(tuán)隊(duì)坦言，部分高復(fù)雜度場(chǎng)景中，受限于推理深度，模型仍可能出現(xiàn)一定的工具幻覺(jué)；此外，在中英雙語(yǔ)自然切換、復(fù)雜指令遵循等方面仍有優(yōu)化空間。

該模型后續(xù)迭代將繼續(xù)探索智效比的更優(yōu)邊界，在保持高效推理特性的同時(shí)，進(jìn)一步推動(dòng)智能產(chǎn)出質(zhì)量與token效率之間的深度平衡。