综合指数 25 分：蚂蚁用九方向指数给 1.3B 激活模型定位

综合指数 25 分：蚂蚁用九方向指数给 1.3B 激活模型定位

蚂蚁百灵在 2026 年 8 月 11 日开源 Ling-3.0-tiny。总参数 7.9B，每个 token 只激活 1.3B，同时放出 BF16、FP8、INT4 三套权重。能力对比图里的细项没有全部写进文字。下面只保留正文里能核对的分数、对照模型和作者自己划的边界。

综合指数怎么读

Artificial Analysis Intelligence Index 把多类任务收成一个综合分。Ling-3.0-tiny 是 25 分。文中说这个指数看九个方向，点到的有真实任务、工具使用、代码、科学推理、知识可靠性和长上下文。九项的完整名单和权重没有写出，所以 25 分不能拆回每一项。

对照也写在文字里：比 Gemma-4-26B-A4B 的 26 分低 1 分；高于 gpt-oss-120B（high）、Qwen3.5-9B、Gemma-4-12B 和 Gemma-4-E4B。作者同时写明：一个分数概括不了全部能力，Tiny 也不能替代所有大模型。它只说明在 1.3B 激活量下，模型进了代码辅助、知识工作流、工具调用和本地 Agent 的能力区间。

Agent 分项：有 Elo，没有采样协议

Agent 方向用的是 Artificial Analysis Agentic Index，Ling-3.0-tiny 为 16 分，文中说超出 Gemma 4 31B 的能力分数，但没有给出 Gemma 4 31B 的具体分数。同一段里两个子项写成了数字：GDPval-AA v2 是 772 Elo，τ³-Banking 是 20.80。Elo 是相对强弱分，不是正确率；τ³-Banking 是银行场景的工具任务基准。原文没有写温度、重复次数、工具列表，也没有写 772 和 20.80 的满分或对照表。

在「本次列入比较的模型」里，IMO-AnswerBench 和非幻觉率被说成领先，数学、科学推理、代码 Agent、指令遵循和长上下文「相对均衡」。这几项没有百分点。比较名单也没有列全，不能把「领先」换成具体名次。

速度写了两条：输出超过 160 tokens/s；生成 500 个 token 的端到端时间约 18 秒，并且已经含思考时间。测速用的机器、并发和精度版本没有写，不能把 160 当成所有设备上的保证。

和分数绑在一起的结构

这些分是在下面这套轻量结构上测的，不是另一款大模型的分数：KDA 与 MLA 按 3:1 堆叠，每 4 层里 3 层 KDA、1 层 MLA；稀疏 MoE 共 128 个专家，每个 token 激活 8 个路由专家加 1 个共享专家；训练目标包含 Multi-Token Prediction。原生混合推理把短回答和多步思考放在同一个模型里。结构说明解释的是计算量，不是评测脚本。

部署侧，BF16 被标成适合完整精度的研究评测和生产；FP8 平衡效果、速度和占用；INT4 面向更低资源。三种精度没有分别给出 Intelligence Index，不能默认量化后仍是 25 分。

下一步承认的缺口

后续要补的是：长尾知识和事实准确性，复杂工具调用和长程 Agent 的稳定性，代码、科学推理和长上下文，以及推理能力、响应时间和任务成本的平衡。还要补 FP8、INT4 的硬件适配和部署文档。这些是作者列出的未完成项，不是这次 25 分已经覆盖的结论。

出处：蚂蚁，蚂蚁百灵（页面未署个人作者），Ling-3.0-tiny 正式开源：让 1.3B 激活参数，进入真实任务，2026-08-11，https://developer.ant-ling.com/zh-CN/blogs/ling-3.0-tiny-open-source