摘要 ◎智效比，拐点来临？ ◎居高声自远：金融、医疗场景验证。 ◎你应该看到的普惠时刻。
AI行业的竞争逻辑正在转变。过去三年，模型参数是硬通货，你追我赶，“大”几乎成了默认路径。
蚂蚁百灵团队很早就意识到这一趋势不对头。
“去年12月份发完当时的1T模型，我们就想，难道模型的size要一直这么长吗?”9月9日的外滩大会媒体沟通会上，百灵大模型负责人周俊(花名：西亭)说。
他打了个比方。到今天，人的大脑神经元数量也就维持在800多亿，并没有无限上涨，“好像有点不太符合生物学进化的基本规律”。
西亭将百灵选择的路径称为“智效比”。它指向的并非简单降本增效，而是用最经济的参数完成真实任务，让更多行业和用户用得起AI。
怎么衡量智效比有没有做到?西亭给了一个可以量化的标准。不是看模型单次生成有多快，而是看端到端的任务成功率。完成同样一个任务，总共花了多少钱、用户等了多少、中间重复了多少次、最后结果是不是可靠的。
当天，蚂蚁百灵发布了金融增强模型Ling-3.0-flash-Fin，同步开源了金融搜索评测基准FinFIRST。这一模型已率先在金融、医疗两大容错率极低的关键场景得以验证。
智效比的路径跑通、新模型的落地、两大关键场景的验证，不仅将驱动蚂蚁与整个行业的AI普惠落地，未来几年，更有望持续优化甚至重构蚂蚁AI服务模式，形成新的增长驱动。
智效比：拐点来临?
去年3到4月，百灵团队内部讨论过一个问题，一个聪明的模型应该是什么样的?最终落到三个核心理念，计算效率、参数效率、Token效率。
大多数团队习惯从“如何把模型做大”起步，百灵反过来，从“高智商物种应该具备什么特征”推导技术路线。
基于这三个理念，团队在技术层面做了两件事，在生态层面做了一个选择。
第一件是架构优化。延伸混合线性架构和高稀疏MOE结构，让每个Token、每一组参数都能对最终任务产出更高价值。西亭解释混合线性架构时打了个比方，人最重要的能力是忘掉一些事情，而不是记住所有事。不是把模型越做越大，而是把万亿模型里的智能压缩到小尺寸里，让小模型也能装下高密度的智能。
第二件是任务导向训练。把模型放进更多真实场景迭代，让它学会拆解任务、识别失败边界，遇到超出能力的地方知道暂停，或者主动寻求人类帮助。
技术之外，百灵选了开放体系的路。这不算三个理念之一，而是让技术能力能被更多行业用上的策略。不光开源最终的模型权重，连中间训练节点也一并开放，让模型能适配更多技术框架，离用户更近。
今年7月，蚂蚁百灵发布Ling-3.0-Flash。模型总参数124B，单token仅激活5.1B。它的上一代旗舰是1T模型，Ling-3.0-Flash总参数约为其12.4%，激活参数仅为其8.1%。
看公开评测数据，Ling-3.0-Flash在Artificial Analysis智能指数上得分38分，在200B以内的开放权重模型中位列组内智能SOTA，单任务成本约0.04美元。同系列的Ling-3.0-tiny在40B以内的开放权重模型中拿下智能SOTA和成本第一，移动端64K最大上下文测试以66分排名第一，进入iPhone 17 Pro速度-智能帕累托前沿。
需要说明的是，这些数据证明的是它在小尺寸模型里的领先位置。它与上代1T模型的直接对比评测，目前公开数据中还没有完整的同基准得分披露。但从参数压缩比和组内评测表现来看，方向很明确，用更小的尺寸实现尽可能高的智能密度。
OpenRouter的真实Agent会话成本排名从另一个维度验证了这条路线。Ling 2.6 Flash位列第一，Ling 3.0 Flash位列第二。连续两代位居前二，意味着成本效率优势得到了跨代验证。
系统推理效率同样扎实。在SGLANG与ANT LING INFRA协同优化下，搭载4×Blackwell的Ling模型峰值吞吐达到1945 tokens/s，进入开放模型GPU推理第一梯队。
这些能力指标只是基础。真正决定百灵走向的，是把它用在哪里。
2026年，国内大模型厂商开始集体转向。同年8月，阿里和智谱同日发布Flash系列模型。阿里Qwen3.8-Flash总参数125B，单token激活6B，训练成本比前代降了近90%。智谱GLM-5.3-Flash总参数320B，单token激活18B，API价格只有前代的十分之一。DeepSeek V4-Flash总参数284B，每次推理仅激活13B。用更少的计算资源做更多的事，Flash成了行业默认的新方向。
但百灵的侧重点与同行不同。别人做Flash是在通用场景里追求效率，百灵是把效率优势直接嵌入金融、医疗这类对容错率要求极高的场景中。这决定了它不是通用模型的能力溢出，而是从最难的地方长出来的效率。
过去两年行业比参数规模，现在比的是每份算力能完成多少真实任务。企业买AI，越来越不看参数表，而是看任务成本。参数规模是模型公司的语言，任务成本才是客户的语言。
当客户开始用后一套标准做决策，整个行业的竞争维度就跟着换了。
2026年全国两会期间，“从算力比拼转向智效竞争”已成为产业共识。同期政策研究也在推动将“单位算力投入对经济增长的拉动”纳入统计考量。百灵的智效比，正好踩在这个节奏上。
效率问题解决后，接下来的问题是，这些能力该用在哪?
居高声自远：金融、医疗场景验证
百灵没有从最容易的场景切入，而是选了金融和医疗。
核心原因不是行业历史更长，而是它们对模型的要求最严、容错率最低。西亭说得很直白，Coding确实是当下这个时代人类创造的一种在语言之上力度非常高的东西，但不代表Coding是这个世界上唯一的一种东西。
金融任务影响面广，判断会顺着市场、产业和企业经营层层传导。约束也多，结论必须有证据支撑，符合安全、合规、可追溯的要求。通用模型能聊金融，不代表能做专业的金融任务。
谈及竞品场景选择，百灵金融模型负责人张晓露(花名：月引)表示，其他几家的营收大头来自银行，主要是客服和信贷审批。这些偏工作流，不需要那么长和那么难的东西，锤炼不出模型在复杂任务中的核心能力。百灵选了行研作为切入点，因为它可校验。
Ling-3.0-flash-Fin覆盖信息检索、研究推理、估值建模、研报撰写四大能力，尝试打通从找资料到形成研究成果的完整任务链。同步开源的FinFIRST评测基准，由中金公司提供专业支持，50多位金融专业人士参与设计。基准包含123道真实金融任务，拆解成701个评分点，经过六阶段质控，采用率9.78%。在9项金融评测中，Ling-3.0-flash-Fin表现突出，覆盖投研、搜索、表格与银行任务，通用智能得分从38分提升至43分以上。
研究推理的DEMO展示了一个案例。Spire把Storage业务重新分类后，模型核对财报、业绩公告和监管文件，重建可比盈利。原Midstream盈利5630万美元，其中68.4%来自已终止业务，重建后为1780万美元。模型最终判断，这个历史重构值可用于同口径比较，但不能直接外推。
金融考验的是推理链的完整性，医疗考验的是对不确定性的审慎表达。西亭举过一个例子，很多模型上来就开始作答，但专业的医生不是这样工作的，多问一句会比着急给一个答案重要得多。
阿福模型技术负责人顾进杰(花名：进捷)展示了Ling-3.0-flash-Sante的评测数据。
这是一个1240亿参数的模型，在1.6万亿参数以下的模型里性能最优。在DiagnosisArena-MCQ上得分83.8.高于GPT-5.6 Sol的81.9、Kimi K3的78.4和Gemini 3.6 Flash的76.2.它每次推理只调动51亿参数，效果却和调动490亿甚至1040亿参数的模型不相上下。评测覆盖8个全球权威医疗健康评测集，再加4个阿福自有高质量医疗安全评测。
产品层面的数据同样说明问题。进捷透露，阿福累计服务用户超过1.5亿，日均处理超2000万次健康咨询。韩歆毅在外滩大会上补充了更具体的用户画像，阿福用户中超过一半来自三四线城市，约16%的咨询发生在凌晨0点之后。
《Natural Health》的一篇论文对比了四家医疗AI系统，另外三家主要面向北美市场，功能集中在回答问题。蚂蚁阿福理论上面向全球，用户主要来自中国，覆盖健康问答、报告解读、用药指导、咨询预约等多个环节。从拍照咨询到真人医生复核，再到用药和配送，阿福已经打通了从问一个问题到解决问题的完整链路。
这两个场景不只好用，还能反过来把模型本身练强。失败案例沉淀成专业数据闭环，专业评测反过来提升通用能力，专业训练环境变成强化学习，让模型学会预判动作后果，而不是只记住标准答案。
市面上的行业模型，大多是在通用模型上加行业插件，换一个行业就要重做一套。百灵的金融和医疗模型，从预训练阶段就嵌入了行业数据，能力是从底层长出来的。专业能力打磨的同时，通用能力也跟着提升。字节豆包主打C端入口，阿里Qwen走云服务和开发者生态，DeepSeek以极致训练效率见长，精力主要放在通用基座。百灵从一开始就选产业场景，2023年首次对外披露的就是金融大模型，之后再延伸到医疗，选的都是容错率极低、专业门槛极高的场景。
零幺在回答这个问题时，没有从技术路线讲起，而是回到了公司的基因。他回忆说，在没有支付宝的时候，大家都付现金，有移动支付这件事情，它就是快，效率的提升。包括很多年前交水电煤，大家可能要跑到营业厅或者某些办事的地方，花一天的时间或者半天的时间，走线上也是快。所以，快这件事情确实存在公司的基因里头。
除了组织基因，蚂蚁在行业里还有一个其他模型公司不具备的条件。月引说得很直接，他们真的有在一级市场和二级市场浸淫了十年、二十年的专家，跟他们一起来做这个事情。金融专家的知识沉入到Pre-Train的环节，从数据知识输入的环节就开始做。这是场景牵引模式与Anthropic能力溢出路径的根本区别。后者是在通用模型之上叠加行业插件，百灵是从基座层面嵌入行业能力。
至于为什么敢选金融和医疗这两个最难的行业，西亭说，中国很多领域都有约束，尤其金融、医疗行业，约束更多，但机会往往就在困难里面。这对模型提升能力非常有利。
两大场景的验证，给百灵提供了一个信任起点。一个模型在金融行研中能做到信源可追溯、推理可复现，在医疗咨询中能审慎表达不确定性、明确能力边界，这为它进入法律、政务、教育等其他高价值场景积累了信任基础。当然，不同行业的监管规则、数据格式和容错标准各不相同，真正落地时仍需针对性适配。
西亭被问到什么才是好模型时，给出三个标准，智效比、专业性、开放性。如果要再加一个，就是反馈机制。金融和医疗的验证，恰好对应了这三个标准。智效比让单任务成本压到0.04美元，专业性让模型在行研和医疗诊断中比肩旗舰级模型，开放性让能力可以被更多行业复用。而反馈机制，则是模型在真实环境中持续变好的前提。
两大场景跑通之后，接下来的问题是如何把能力开放给更多行业，以及如何让这门生意持续下去。
你应该看到的普惠节点
金融和医疗跑通之后，百灵手里握住的不是两个行业模型，而是一套可复用的能力体系，一种“智效比”的方法论。
它解决的是同一个问题。即如何让AI的使用门槛降到足够低，让没有GPU机房的县医院、没有技术团队的中小金融机构、没能力自建模型的中小企业，也能用上过去只有大机构才养得起的AI能力。
这套体系能不能驱动AI普惠落地千行百业，取决于百灵开放得够不够彻底。
今年以来，百灵在开源社区的动作很密集。从Ling-1T到Ling-2.6-Flash，再到Ling-3.0-Flash和Ling-3.0-Flash-Fin，每隔几个月就有新的权重和训练节点放出来。与此同时，一些头部模型公司因为经营压力转向垂直一体化，开放性在弱化。百灵选了相反的路。
百灵的开放同时推进三个层面。
模型开源方面，不光开源最终权重，Base模型、预训练和中期训练的权重checkpoint全部开放，一共6个，Ling-3.0-flash开源当天，华为昇腾就同步完成了0 Day适配。评测基准开源方面，FinFIRST覆盖中国内地、美国、中国香港等市场，给全行业提供统一的专业金融AI评测标尺。端侧部署开放方面，进捷描绘过一个很具体的场景，未来可能就是拿一个主机进医院，里面装着模型，接入院内病历系统和医学文献数据库，在本地就能完成推理，现在Tiny模型已经可以跑在苹果电脑和手机上。
采访结束，追问过西亭，他没直接评价同行选择，只讲了百灵的开放逻辑。
开源对百灵来说不是姿态，而是一种商业理性。模型足够小、成本足够低，开源才不会成为财务负担，生态才能跑起来。要是自己的推理成本都压不住，开源等于给自己挖坑。从这个角度看，开放能力本身就是智效比的延伸。
“事实上，一些大模型在开放上越来越保守了。”他说。
这三层开放指向同一个目标，让金融和医疗里锤炼出的能力，能够被法律、政务、教育等更多高价值场景复用。一个模型在金融行研中能做到信源可追溯、推理可复现，在医疗咨询中能审慎表达不确定性、明确能力边界，这些能力迁移到其他行业时，信任基础已经建立。当然，不同行业的监管规则、数据格式和容错标准各不相同，真正落地时仍需针对性适配，但最难的那一步，也就是从零到一建立可信执行，百灵已经在金融和医疗里完成了。
能力开放出去之后，定价方式也必须跟着变。
接受夸克点评采访时，谈及商业模式，西亭表示，智效比的量化目标总结起来就是端到端的任务成功率。生成成功率不等于任务成功率，一个任务往往要跑几十轮。同样任务完成率下成本是多少，固定成本下能完成多少任务，才是下一步更关心的商业标准。这相当于把收费的基准，从模型消耗了多少，转到了任务完成了多少。
西亭坦承，这目标很难马上实施。因为，完整任务不只靠模型，还要乘上Harness、评估、行业安全规则，是联合起来解决的问题。
但他判断，今天模型还是一个产品，不是严格意义上的商品，从产品到商品是必须发生的。
零幺补充了一个视角。
token可以被量化，但任务完成率并不那么确定，因为智能本身在很多维度上是不确定的。但随着模型能力提升，不同维度任务的确定性一定会变高，高到一定程度就可能变成标品，就可以更好地被量化。
按效果收费要落地，前提是任务质量可以清晰计量。金融行研的交付物可审计，医疗咨询的结论可追溯，这两大场景天然具备按效果计量的基础。而智效比则提供了三个落地条件。单任务成本压到0.04美元，按效果定价才有利润空间。任务可校验、可审计、可复核，客户才愿意为结果买单。模型能可靠完成完整任务，而不是只做其中一个环节。
定价方式的变化，最终会反映到收入结构上。
过去蚂蚁的收入来自支付手续费和金融服务，金融业务受资本金约束，做一块钱生意就要对应一定比例的资本支撑。AI业务的核心成本是算力和研发，模型训练完成之后，每一次推理的边际成本极低，在规模化之后有了比传统金融业务更大的利润空间。公开信息显示，蚂蚁数科2025年营收约50亿元，2026年目标约80亿元。IDC报告显示，它以13.3%的市场份额排在2025年中国金融大模型、智能体应用及服务市场第一位。
值得注意的是，蚂蚁在商业模式上一直低调。整个行业还在初期，远没到规模化门槛，许多商业化不止缺乏基础，也很难真正落地。但蚂蚁的路径与长期经营战略，决定了它更擅长用平台化与智能体生态策略变现。这个过程需要比其他企业承担更多化解行业壁垒的责任，而不是像某些闭源模型上来就收费。
普惠怎么变成收入?
逻辑其实很清晰。单任务成本压到足够低，过去被成本挡在门外的中小金融机构、县级医院、中小企业，第一次有能力为AI付费。他们可以按效果付费，可以按调用量付费，也可以选私有化部署。客户基数扩大，调用量上升，收入自然增长。目前这条路径还在验证过程中，但方向是明确的。
韩歆毅在外滩大会上有句话，可以作为上述话题的注脚。他说，AI的价值最终要由真实增长来检验，也要由更多人的获得感来衡量。当AI不再靠烧钱换规模，它靠什么让更多人受益，同时让自己增长。
夸克，最小的粒子，微末的洞察
热门跟贴