Ling

Ling 是蚂蚁集团自主研发并开源的通用大语言模型系列，基于 MoE（混合专家）架构构建，历经国产异构算力平台适配验证、万亿参数规模突破，持续迭代至长上下文建模与 AI Agent 协同推理能力。

为什么选择 Ling？

Ling 系列在推理效率、长上下文建模和训练技术三个维度实现了关键突破：

推理效率

传统 Dense 模型在推理时需激活全量参数，计算开销与模型规模成正比。Ling 采用 MoE 架构，每个 Token 仅路由激活最相关的专家子网络，从而在保持大规模模型容量的同时，将实际计算量压缩至极小比例。

长上下文支持

在 MoE 高效推理基础上，Ling 2.6 系列在长序列建模上进一步突破。

• Ling-2.6-1T：最长支持 1M 上下文窗口；官方 API 当前开放 256K 上下文。
• Ling-2.6-flash：原生支持 256K 上下文窗口，可处理约 20 万字的长文本输入。
• 长程信息召回无明显衰减：无论目标信息位于上下文头部、中部还是尾部，模型均可稳定检索。

典型应用场景：法律合同审查、学术文献综述、大型代码库理解、多轮长程对话。

训练技术：FP8 端到端训练

为支撑万亿参数模型的高效迭代，Ling 在开源社区率先实现了万亿参数规模的 FP8 端到端混合精度训练：。

• 相比 BF16 基线，训练吞吐量提升 30%–40%。
• 显著降低 GPU 显存占用，支持更大 Batch Size 与更高的训练并行度。
• 数值稳定性达到生产级标准，Loss 曲线与 BF16 训练保持一致。

选型指南

以下是 Ling 系列不同尺寸的模型的能力对比，供您评估与选型：

选型建议：

• 对大多数通用场景，推荐从 Ling-2.6-flash 入手——其 MoE 稀疏激活机制在保持强推理能力的同时，大幅降低推理计算开销。
• 需要处理超长文档、复杂多跳推理或 Agent 任务链？选择 Ling-2.6-1T，它依托 MLA 与 Linear Attention 的 Hybrid 架构创新，摒弃繁琐的“慢思考”，以“快思考”机制实现高效推断，仅凭极低 Token 开销直达结果，极致压缩输出成本。
• 对推理延迟与吞吐量敏感的在线服务场景，Ling-2.6-flash 的低激活参数量使其具备更优的 TTFT（首 Token 延迟）与 TPS（每秒 Token 输出）表现。

模型详解

接下来，让我们深入了解每款模型的技术特点与适用场景：

Ling-2.6-1T

Ling-2.6-1T 是 Ling 系列最新一代旗舰大模型，采用 MLA 与 Linear Attention 的 Hybrid 架构，总参数量约 1T，激活参数量约 63B，支持 1M 超长上下文，在旗舰智能与 Token 效率之间实现强平衡。

核心优势：

• 以「快思考」替代冗长思考链，在更低 Token 开销下保持万亿参数的智能。
• 强化编码和 Agent 的能力，在 AIME26、SWE-bench Verified 等执行类基准上达到开源 SOTA。
• 与 Claude Code、OpenCode、OpenClaw 等主流 Agent 框架高度兼容，适配多工具、多步骤、多约束场景。

应用场景：

• 多步任务和智能体协作
• 代码补全、项目交付和缺陷修复
• PPT、报表等数据可视化项目
• 长上下文的知识管理和自动化办公交付

Ling-2.6-flash

Ling-2.6-flash 是 Ling 系列最新一代高性价比模型，采用 MoE 架构，总参数量 104B，激活参数量 7.4B，在推理性能与计算成本之间实现最优均衡。

核心优势：

• 综合基准性能媲美甚至超越 40B 级 Dense 模型。
• 低激活参数量带来更优的推理吞吐量，适合高并发在线服务。
• 支持 256K 超长上下文，具备完整的工具调用与 Agent 协作能力。

应用场景：

• 智能客服与多轮对话系统
• 内容生成与文案创作
• 实时翻译与文本处理
• 推荐系统中的语义理解模块

Ling 的演进历程

Ling 系列经历了从算力适配验证到 Agent 能力突破的完整技术演进：

能力演进路径

Ling 的迭代不仅是参数规模的线性增长，更是核心能力维度的阶梯式跃升：

1. Ling 1.0 —— 工程验证：证明 MoE 大模型可在国产算力平台完成高质量训练。
2. Ling 2.0 —— 效率突破：FP8 训练体系建立，单卡训练效率显著提升。
3. Ling 2.5 —— 上下文建模突破：从短文本理解跨越至超长文档的端到端建模。
4. Ling 2.6 —— Agent 能力突破：从单轮问答推进至低成本、可规模化的复杂任务自主执行。

技术生态

基于 Ling 基座模型，我们构建了覆盖训练到部署全链路的技术生态：

• 高性能算子库：开源的高性能训练与推理算子系统，涵盖 MoE 路由、注意力计算等核心组件，支撑从预训练到在线推理的全链路优化。
• 垂直领域专用模型：面向医疗、金融等专业场景的领域适配模型，在领域知识密集型任务上表现更优。
• 开源社区：全部研究成果开源至 Inclusion AI  社区，持续与开发者共建生态。

快速开始

1. 获取 API 密钥：获取访问凭证。
2. 完成首次调用：5 分钟完成第一个 API 请求。
3. 探索更多能力：深入了解推理优化、长上下文等高级特性。