过去一年，大模型行业的主战场先是参数和榜单，后来是 Coding 和 Agent。但百灵大模型负责人西亭认为，真实世界里还有大量任务没有被很好解决：金融、医疗、法律、日常工作流，这些任务未必像 Coding 一样有标准数据和清晰答案，却更接近普通人的生活。模型如果要走向真实世界，就不能只会回答问题，还要能把任务做扎实。

外滩大会期间，网易科技等媒体与蚂蚁集团基础智能技术部负责人、百灵大模型负责人西亭，阿福模型技术负责人进捷，百灵金融模型负责人月引，百灵语言基座负责人零幺，围绕百灵3.0、金融和医疗模型，以及模型进入真实世界的标准，进行了交流。

西亭反复提到“智效比”。在百灵的语境里，这不是单纯降低推理成本，而是把能力、速度、成本和可靠性放在一起看。西亭说，“生成的快并不代表整个任务完成的快”，真正要看的是一个任务总共花了多少钱、用户等了多久、中间重复多少次、最后结果是否可靠。

因此，百灵3.0没有把叙事放在更大参数上，而是开源 Tiny、Flash 等小尺寸模型，并在其上做金融、医疗专项增强。百灵语言基座负责人零幺把技术目标概括为，“用更低的 FLOPs 撬动更大的智能”。用户并不关心模型有多少参数，而是关心它能不能在可承受成本下真正完成任务。

更关键的是，百灵把金融和医疗看成模型进入真实世界的压力测试。因为这两个行业都足够复杂，也足够不容许模型胡说。

在医疗场景里，阿福模型技术负责人进捷说，用户问“我今天生病了，该怎么办”，真实任务并不是得到一段回答，而是解决健康问题。阿福因此从问答走向服务连接：AI 先做初步分析，必要时接入真人医生，再连接后续问诊、购药或健康管理。西亭提到，医疗模型的重要启示是，“多问一句会比着急给一个答案重要得多”。专业并不是立刻作答，而是知道信息是否充分、风险是否可控、什么时候需要医生复核。

金融场景同样如此。百灵金融模型负责人月引说，Ling-3.0-flash-Fin 选择行研作为切口，是因为它足够难、强专业，并且其中有可校验部分。金融模型不能只是写一份漂亮研报，而要找到准确完整的信源，区分事实、假设、分析和推断，保留计算路径，让结果可追溯、可审计、可编辑。她说，行研里有些估值建模可以校验，但最终推断带有主观性，所以模型必须先从可验证部分入手。

西亭表示，一个好的 Agent，“不仅仅是帮用户知道下一步应该怎么做，它更重要的是要知道哪一步它不能做”。

零幺解释，今天很多模型都有迎合用户的倾向，因为多数评测鼓励模型给答案，而不是承认不知道。但金融、医疗不允许这种“蒙一个答案试试”的逻辑。月引也说，在严肃场景里，她宁愿模型说“不知道”，也不希望它给出几十种口径让用户自己猜。

所以，百灵对真实世界模型的判断标准，不是单点能力，而是智效比、专业性、开放性，以及反馈闭环。模型要理解专业流程，能调用工具，能留下证据，能接受复核，也能在不确定时停下来。

这比单纯冲榜更难，但也更接近大模型下一阶段的竞争。百灵想证明的是：AGI 不只有 Coding 一条路。真正进入真实世界的模型，既要聪明，也要可靠；既要会做事，也要知道边界。对金融和医疗这样的场景来说，克制本身就是能力。（袁宁）