蚂蚁集团旗下百灵大模型团队宣布推出新一代原生混合推理模型Ling-3.0-flash，在模型架构与性能优化方面实现重大突破。该模型通过创新的混合线性注意力架构，在参数规模缩减的情况下实现了能力跃升，官方数据显示其总参数量为124B，激活参数量仅5.1B，较上一代旗舰模型Ring-2.6-1T分别减少87.6%和91.9%，却在多项核心指标上达到甚至超越前代水平。
技术架构层面，Ling-3.0-flash采用原生混合线性注意力机制，通过5:1比例交替堆叠KDA（细粒度对角门控注意力）与MLA（混合线性注意力）模块，配合1/64稀疏度的MoE（专家混合）架构，在保持124B总参数规模的同时，将有效计算参数压缩至5.1B。这种设计使模型在长上下文处理效率、状态记忆能力与计算成本之间取得平衡，特别在复杂Agent场景中展现出显著优势。
性能表现方面，新模型在智能密度与效率比上实现突破。测试数据显示，其传统推理、指令遵循及长文本处理能力可媲美更大尺寸的SOTA模型，而激活参数需求仅为行业同类产品的1/10至1/5。在真实生产力场景验证中，模型通过扩展超10,000个可交互训练环境，实现了Coding、通用任务与深度研究三类Agent的全程闭环运作，任务响应速度提升60%-80%，协同稳定性达到工业级应用标准。
为优化长程交互体验，研发团队创新引入SGLang HiCache+Mooncake分级缓存架构。该系统采用物理双池设计配合集群共享L3缓存，使模型在处理长输入时首次token生成时间（TTFT）降低60%-80%以上，且无需重复计算历史交互内容。这项突破有效解决了大模型在持续对话场景中的算力浪费问题，为实时智能助手等应用开辟了新路径。
即日起至8月3日23:00（北京时间），用户可通过OpenRouter平台及百灵官方渠道免费调用Ling-3.0-flash的API接口。模型权重将于免费期结束后正式开源，开发者可基于开源代码进行二次开发。目前官方已开放模型体验通道，具体接入方式可参考OpenRouter平台公示信息。
