560B 的权重直接放了，每个 token 却只叫醒 25B
10 月 15 日，蚂蚁百灵把 Ling-3.1-flash 的权重挂上了 Hugging Face 和 ModelScope，官方模型卡写得很直白：总参数 560B，每 token 激活 25B，上下文窗口上限 1M。560B 这个体量第一眼是云端旗舰级的，但激活量压到 25B，味道就变了——真正吃算力的部分，企业自家机房扛得动。
架构上它延续 Ling-3.0-flash 的混合线性路线：63 层 KDA 配 9 层 Gated MLA，512 个路由专家每次只激活 8 个，外加 1 个共享专家和 4 层 dense。这种大总参、小激活的配比，本质是拿总参保知识广度，拿激活量压推理账单。
为什么重要：就是冲着长流程 Agent 来的
官方给它的定位是面向复杂真实任务的原生混合推理模型，主打办公、医疗、软件工程和终端操作。跑分上点名 GDPVal-AA V2.1、HealthBench Professional、FrontierSWE、Terminal-Bench 4.0，覆盖办公、医疗、编码和终端工具调用四个方向，还直接说它能在 Claude Code、Kilo Code、Qwen Code、OpenClaw 这类编码 Agent 框架里当后端。
对做 Agent 的团队，真正值钱的是 1M 上下文。一个长任务跑几小时、几百轮工具调用，中间还要反复压缩上下文，窗口一短，Agent 干到一半就忘了前面干过什么。1M 上限就是给这种流程留的余量——注意官方 API 当前只开放 256K，想吃满 1M，得自己部署配。
开权重对自部署团队意味着什么
模型卡协议是 MIT，权重在 HF、ModelScope、OpenRouter 三处同步。开源动机官方说得明白：让团队在自己的环境和算力里部署接入，亲手检验模型能力和推理效率，而不是隔着一层 API 黑盒打分。
- 大总参小激活：560B 的知识容量装得下长任务的领域细节，25B 激活让单次推理成本落在企业可承受区间，不用为全参数推理买单。
- 混合线性架构：KDA 线性层把长序列的算力开销压下来，MLA 层保住注意力精度，百万级上下文比纯 Transformer 友好得多。
- 数据不出域：权重自部署，医疗、金融这类对数据边界敏感的场景才敢把真实任务接进来，而不是拿脱敏玩具数据测个热闹。
老法师泼点冷水
先把预期摆正：560B 总参的模型就算只有 25B 激活，也绝不是端侧小模型那个物种，笔记本和手机别想跑。想拿 1M 窗口、想自部署，都得先备好够量的推理算力。官方提的那个能跑几小时编码任务的 LingCode harness，目前只说考虑未来开源，现在拿不到。
上手入口：模型卡在 Hugging Face，国内镜像走 ModelScope，接口与上下文配置看官方模型文档。建议先把它接成 Claude Code 的后端跑一个真实长任务，比翻十篇跑分榜都直观。
