蚂蚁百灵金融模型正式开源：MIT许可，123道金融搜索题也放出
相关推荐
蚂蚁Ling-3.0-flash正式开源，FP8版仅128GB
据动察 Beating 监测，蚂蚁百灵（inclusionAI）正式开放 Ling-3.0-flash 权重，同时提供 BF16 原版和 FP8 量化版。两版均采用 MIT 许可证，已上线 Hugging Face 和 ModelScope，可用 SGLang 或 vLLM 自行部署。 BF16 版权重约 255GB，FP8 版约 128GB，体积接近减半。FP8 用更低精度保存参数，可以降低存储和显存门槛。官方列出的 4 项测试中，FP8 与 BF16 的最大分差为 1.57 分。 Ling-3.0-flash 总参数 1240 亿，每次生成只激活 51 亿。模型支持 25.6 万 Token 上下文，主要面向编程、搜索、深度研究和工具调用等 Agent 任务。官方评测显示，它在多数基准上达到或超过万亿参数的前代模型 Ring-2.6-1T。
「牛来」模型GLM-5.3-Flash正式开源：320B 参数仅激活 18B，价格只有 GLM-5.2 十分之一
动察 Beating AI 快讯，白天认领 Ox Alpha 后，智谱晚上正式开源 GLM-5.3-Flash，模型权重已经上线 Hugging Face，采用 MIT 许可。它总参数 320B，但每次只激活 18B，原生支持文字、图片和视频，也是 GLM-5 系列首个原生多模态模型。 官方称，GLM-5.3-Flash 整体性能超过 GLM-5.2，编程和 Agent 评测已经接近 Claude Opus 4.8，但价格只有 GLM-5.2 的十分之一。它还换了一套新的基础模型，首次在 GLM 主系列引入稀疏注意力和线性注意力混合架构，并用 30T Token 多模态数据预训练。 此前社区对 Ox Alpha 的 DeepSWE 小样本测试一度跑出 80%，但那只有 10 道题。扩大样本后成绩回落到约 63%，测试者也主动纠正了最初的说法。这个成绩依然属于第一梯队，但没有最初 80% 那么夸张。 权重开源后，开发者可以直接用 vLLM、SGLang、KTransformers 等框架自己部署，不需要再走匿名模型的 API。
蚂蚁集团宣布开源多模态大模型Ling-3.0-flash-VL
火星财经消息，9 月 9 日，蚂蚁集团开源公告称，正式发布并开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。模型基于 Ling-3.0-flash 的 MoE 架构拓展而来，总参数量为 124B，单次推理激活 5.5B 参数，原生支持图像、文本与视频输入，上下文窗口达到 256KToken。 围绕「如何更可靠、更高效地完成真实任务」，Ling-3.0-flash-VL 重点探索以下方向： 给大模型加上视觉能力，一个普遍的担忧是它会拉低文本智能。但训练实践给出了相反的结论：原生多模态联合训练不仅拓展了应用边界，也拉升了文本智能。Ling-3.0-flash-VL 引入了视觉反馈机制——观察执行结果、对比目标、发现偏差、持续修正——把任务从一次性的「生成」，变成「观察→行动→验证→修正」的闭环，让执行结果更可靠。 Ling-3.0-flash-VL 继承了 Ling-3.0-flash 在 Agent 工作流中作为高效执行节点的核心优势，在视觉反馈闭环中兼顾输出质量与执行效率，以更低成本和更短时间推进完整任务。
智谱GLM-5.3正式开源：换掉MIT，百亿美元模型服务商要过安全审查
动察 Beating AI 快讯，智谱正式开源 744B 参数的旗舰模型 GLM-5.3，FP8 与 BF16 权重已在 Hugging Face 放出。与上一代 GLM-5.2 不同，这次没有继续使用 MIT，而是换成了新的「GLM-5.3 License」。 新许可证对普通开发者依然比较宽松，可以使用、修改、分发、部署、微调甚至销售模型和衍生版本。但智谱专门给大型「模型即服务」公司加了一条限制：如果公司及关联方任意连续 12 个月总收入超过 100 亿美元，商业使用 GLM-5.3 前必须先通过智谱的安全审查。普通产品把模型嵌入具体功能，不受这一条限制。 GLM-5.3 两周前就已经发布，但智谱当时因为模型的网络安全能力增长超出预期，决定先做额外安全评估和加固，再开放权重。现在模型也已经支持 SGLang、vLLM、Transformers、KTransformers 等框架自行部署。
FreeToken开源：一张5090跑DeepSeek-V4-Flash，最高25 Token/s
动察 Beating AI 快讯，伯克利、MIT 等研究者开源 FreeToken。这是一个专门为本地设备设计的 MoE（混合专家模型）推理引擎，主要解决超大模型显存装不下的问题。它会把部分权重放在系统内存，并让 CPU 和 GPU 一起参与推理。 FreeToken 会把模型的大量专家权重放在系统内存，只把一部分缓存在显存。遇到显存里没有的专家时，它会根据 PCIe 和 CPU 内存带宽，动态决定是把权重搬到 GPU，还是直接交给 CPU 计算。这样 CPU、GPU、系统内存和 PCIe 可以一起参与推理。 论文实测，一台配备 RTX 5090 的游戏台式机运行 284B 参数的 DeepSeek-V4-Flash，可以达到 22–25 Token/s。这款模型每生成一个 Token 实际只激活约 13B 参数，因此特别适合这种 CPU、GPU 混合推理。 FreeToken 还在 8GB 显存的 RTX 4060 笔记本上把 35B 模型跑到 39.3 Token/s；单张 96GB RTX PRO 6000 则可以运行 753B 参数的 GLM-5.2，速度达到 llama.cpp 的约两倍。项目目前支持超过 20 款 MoE 模型，并已采用 Apache 2.0 许可证开源。
蚂蚁开源Ling-3.0-tiny：79亿参数，M4Pro本地跑到90Token/s
据动察 Beating 监测，蚂蚁百灵正式开放 Ling-3.0-tiny 权重，提供 BF16、FP8 和 INT4 三个版本，Hugging Face 页面标注为 MIT 许可。模型共有 79 亿参数，每个 Token 只激活 13 亿，主要面向本地部署和 Agent 场景。 Ling-3.0-tiny 有 128 个路由专家，每个 Token 只选择其中 8 个，再加 1 个所有 Token 都会使用的共享专家。注意力部分采用 3:1 的 KDA 与 MLA 混合架构，也就是每 3 层 Kimi Delta Attention 后接 1 层 MLA。 官方称 FP8 版在 M4 Pro MacBook 上可达到约 86–90 Token/s；DGX Spark 上约为 100–105 Token/s。