编辑部最近来了个新助理，不占工位，不领工资，一上来就接走了三件活：查财报、排待办、写App。

10月15日，蚂蚁百灵宣布 Ling-3.1-flash 正式开源。这个模型总参数量约 560B，但每个Token只激活约 25B 参数，上下文窗口上限 1M，重点面向日常办公、长周期软件研发和复杂Agent任务。

打开网易新闻 查看精彩图片

换句话说，它把"大"和"省"这两件通常打架的事，塞进了同一个模型里。

先看它交出的三份作业

第一份是财报分析。让它查Meta、微软、Alphabet最近三年的财报，对比收入、利润、经营现金流和研发投入，交付研究简报、可编辑数据表，外加一个交互式可视化网页。

交付结果里，网页顶部能筛选公司、年份和指标，下方用折线图、柱状图和数据表展示财务变化，右侧列出主要研究发现。切换选项后，图表、结论和来源同步更新，鼠标悬停还能看具体数据。

从资料检索、数据整理分析到可视化呈现，整条链路是连贯的，简报结构清晰，数据表结果准确且可继续编辑。

第二份是个人工作助理。给一份模拟工作资料包，让它整理项目进展、待办、负责人、截止时间及阻塞点，再做成一个可交互的工作台。

工作台整理出 33项 未完成待办，按逾期、阻塞及到期情况排序。用户可以通过关键词、项目分类和任务状态筛选事项，展开后查看对应材料、记录时间和摘录，也能标记完成、添加备注，刷新后仍可保留。

点击日历中的日期，当天安排会同步更新；切换到项目看板或时间线，还能从不同角度查看工作进度。分散在邮件、群聊、笔记里的信息，被收进了一个视图里。

从3D桃花源到手机版新闻App

办公任务之外，更值得看的是它能不能跑完一个项目的完整流程：需求规划、代码开发、运行验证。

第一个测试是把《桃花源记》做成类似《我的世界》的3D方块风格网页，串起溪流、桃林、山口、洞穴和村落，支持自由漫游和自动游览。

生成的场景里有粉色桃树、灰色山体、农田、小桥和村民。用户可以用键盘移动、鼠标调整视角，也可以开启自动游览，沿着故事路线进入桃花源。经过关键位置时，页面会展示对应原文，暂停、继续、重新开始都能用。角色路过桃花林时，还能看到两旁的桃花缓缓飘落。

第二个测试更贴近编辑部本行：参考智东西官网，做一个手机版新闻App Web原型。

模型获取了 13篇 真实新闻及配图，按大模型、智能硬件、机器人、AI基础设施分类，搭出首页、搜索、文章详情和收藏页面。首页用大图突出头条，下方以图文列表展示资讯，底部提供导航栏；文章页包含标题、署名、发布时间、正文、配图及原文入口。

实际操作中，分类切换能更新新闻列表，关键词搜索能找到对应文章，点击头条或列表进入详情页，收藏功能支持本地保存，刷新页面后仍能查看已收藏的内容。

从新闻获取、内容分类到页面开发，交付的是一个界面美观、功能完整的移动新闻应用原型。

第三方评测里的位置

在第三方评测机构Artificial Analysis的公开测试中，Ling-3.1-flash智能指数为 41，输出速度约为每秒 210 Token，混合调用价格约为每百万Token 0.19美元（约合人民币1.27元）。

在Design Arena的Open Weights（开放权重模型）分类评测中，模型在数据可视化、React Native移动应用、3D设计和游戏开发四个方向均位列第三，在SVG生成和网站制作方向分别位列第四和第五。

智能水平、输出速度、调用价格这三项，通常很难同时好看。这份成绩单给出的组合，是它被拿来干活的底气。

办公之外，还有金融和医疗

财报任务交付得不错，但要真正承担持续投研工作，模型还得处理更多材料，做金融建模计算、产出专业化报告，并持续核验分析。

围绕这类需求，百灵推出了面向投研任务的金融大模型 LingFin，强调以高智效比提升研究效率。医疗场景同理，面对专业问题，模型需要理解医疗知识、检索循证资料，并适应标准化医疗流程，百灵推出的医疗健康增强模型 LingSante 重点围绕这些需求展开优化。

后续，百灵计划继续提升模型处理通用和复杂Agent任务的能力，同时提高智效比、降低使用门槛，适应资源受限的部署环境。在专业领域，将与相关企业和机构共同打磨模型，推动其进入更复杂的实际工作流程。

这一周硅谷的动作也很密集：10月12日Meta发布Muse Wonder系列，面向个人与专业智能体任务；10月9日谷歌云推出企业通用智能体Gemini Agent；昨天谷歌开放最新旗舰模型Gemini 4 Argon，重点面向编程、金融、法律、网络安全和科学等领域的复杂现实任务。

海外厂商在铺个人与企业智能体，国内厂商在往办公、金融、医疗这些具体场景里扎。模型能完成多少工作、交付质量如何，正在成为观察AI能力的一个切口。

这次实测里，Ling-3.1-flash能连续调用工具，完成资料处理、分析和开发，把需求变成可编辑的文件与可运行的应用。成果是否准确、易用，能否支持后续工作，大概就是下一轮比拼的计分板。