条条大路通罗马，通往AGI的路也不是只有一条。AI要从技术、产品走向产业和生活，真实世界任务需要什么样的模型?
外滩大会期间，蚂蚁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接受媒体访谈，深度解读百灵Ling-3.0系列模型的迭代逻辑、技术突破与落地布局。
百灵大模型：致力于追求更高的智效比
今年8月以来，蚂蚁百灵Ling-3.0系列模型陆续开放，目前发布开源的主要有以下几款模型：
Ling-3.0-flash：新一代原生混合推理模型，兼顾代码、推理、Agent与长上下文能力，总参数124B，激活参数5.1B，更低激活、更高吞吐，更高的智能密度。
Ling-3.0-tiny：迄今为止最小体积的模型，总参数 7.9B，激活参数1.3B，可以运行在电脑、手机等端侧设备。
Ling-3.0-flash-Fin：首个金融增强模型，面向真实金融工作流场景，总参数124B，激活参数5.1B，具备256K长上下文能力。
Ling-3.0-flash-VL：首个原生多模态模型，可以更好地看报告、理解PPT以及理解GUI界面。
百灵大模型的定位是打造面向真实世界，具备高智效、专业化的基础模型体系。其Ling-3.0系列所追求的更高智效比(即智能密度)，是让每一份计算资源，都尽可能对最终业务任务产生最大价值。
智效比：让模型在真实场景大规模落地的关键
随着AI技术不断发展，海量智能体深入企业，无论是模型供应商还是客户都越来越看重模型智效。在AI应用调用模型的时候，更智能的模型路由分发可以提升智效比，即将每个查询发送至最合适的模型，而非默认将所有任务都分配给能力最强同时也是成本最高的模型。
西亭介绍，智效比不是孤立地追求某项指标，而是寻求更好地综合平衡。最终想要量化的是端到端任务成功率，不能将其简单等同于单步生成成功率。
好的模型不是设计出来的，是用出来的，优质的AI模型更依托海量真实场景的持续淬炼。对企业而言，AI落地最终要回归商业本质、考量投入产出比，需要结合具体业务场景，在智能、速度与成本之间进行平衡取舍。
