蚂蚁百灵开源Ling-3.1-flash-1019，推动Personal Agent走向真实任务

10月28日，蚂蚁集团旗下百灵大模型正式开源Ling-3.1-flash-1019版本，这一新版本在Ling-3.1-flash基础上进一步训练优化，在智能指数Artificial Analysis Intelligence Index v4.3.2中获得44分，较上一版本提升3分。与此同时，百灵同步开源其基础模型Ling-3.1-flash-base，为长程任务所需的知识、推理和计算效率打好基础。这一开源发布标志着Personal Agent（个人智能体）技术从简单的问答交互向复杂真实任务处理迈进的重要一步。

Personal Agent的进化：从回答问题到持续办事

Ling-3.1-flash-1019版本特别面向Personal Agent场景，进一步提升了模型处理复杂工作流和多步骤任务的表现。从测评数据来看，新版本在多个关键指标上取得了显著提升：在复杂知识工作AA-Briefcase中的得分从约1400 Elo提升至1524 Elo，GDPval-AA从约1618 Elo提升至1644 Elo；流程自动化AutomationBench-AA得分从62%提升至68%；科学问题求解CritPt得分从18%提升至26%，SciCode得分从54%提升至57%。

这些提升的背后，是Personal Agent从简单的问答工具向能够持续管理复杂事务的智能助手转变的需求。与即时问答不同，个人智能体需要围绕一个目标持续工作，这既需要产品具备记忆和任务调度机制，也需要底层模型能够理解目标、使用工具、处理新信息并推进任务。

以蚂蚁集团旗下产品灵光2.0为例，该产品在10月27日升级为"能管事的个人AI助理"，依托跨会话记忆、长程任务调度与独立云主机等能力，可以在用户授权范围内更主动地跟进任务、持续管理生活中的复杂事务，即使用户退出对话，相关任务也能继续运行。

这种转变对AI模型提出了全新要求。例如，规划一趟旅行，不只是生成一份行程攻略，还需要结合出发时间跟进天气、预约和行前准备；面对双11购物需求，则要按照预算、规格和个人偏好筛选商品、整理清单，并持续关注价格变化，在符合约定条件时提醒用户。

技术架构创新：为长程任务提供坚实基础

为了支持Personal Agent所需的复杂任务处理能力，Ling-3.1-flash-base在设计初期就将这些需求纳入考虑。该模型采用混合线性MoE（Mixture of Experts）架构，总参数量约560B，每个Token激活约25B参数，在模型容量、长序列处理和单步计算开销之间取得平衡，为后续面向真实任务的训练提供基础。

在8个领域共47项benchmark测试中，Ling-3.1-flash-base在32项上超越了DeepSeek-V4-Pro，展现了其强大的基础能力。这种基础能力的提升，为构建能够处理复杂、多步骤任务的Personal Agent提供了技术保障。

蚂蚁集团通过开源策略，将这一基础模型提供给开发者和研究社区，旨在加速Personal Agent技术的创新和应用。这种开放不仅有助于推动技术进步，也为企业和开发者提供了构建个性化智能服务的机会。

工程生态建设：从模型到应用的桥梁

AI模型能力的提升只是第一步，如何将这些能力有效地应用到实际场景中，解决工程问题，是Personal Agent走向实用的关键。正如具身智能领域面临的挑战，模型能否接入现有的数据与训练流程，推理速度能否跟上应用节奏，生成的输出能否连续、稳定地执行，这些都是需要解决的工程问题。

在具身智能领域，FluxVLA Engine等开源工程底座的出现，试图从工程层面解决这些问题。它们通过统一配置与组件注册机制，把不同模型接入研发流程时需要处理的差异，尽可能收敛到明确的接口中，让开发者可以按需组合已经适配的组件，而不必为每一种模型重新搭建整套工程流程。

类似地，Personal Agent的发展也需要建立完善的工程生态，包括任务调度、记忆管理、工具调用等组件的标准化和模块化，降低开发门槛，提高开发效率。只有这样，才能将百灵等大模型的能力有效地转化为用户可感知的价值。

实操要点

1. 评估Personal Agent适用场景：对于需要持续跟进的多步骤任务，如旅行规划、项目管理、购物比价等场景，Personal Agent具有明显优势。开发者应评估自身业务需求是否适合引入此类技术，以及如何设计任务流程以最大化AI辅助价值。

2. 关注模型基础能力与任务特性的匹配：选择适合的底层模型时，不仅要考虑通用能力，还要关注模型在特定任务类型（如复杂推理、流程自动化等）上的表现。Ling-3.1-flash系列在长程任务处理上的优化值得参考。

3. 构建完整的任务管理系统：Personal Agent不仅仅是模型能力的体现，还需要配套的任务调度、记忆管理、工具调用等系统支持。开发者应考虑如何设计这些组件，以及它们之间的协同工作机制。

4. 注重用户体验与边界设定：Personal Agent能够主动执行任务，但也需要在用户授权范围内工作。开发者应明确任务边界，提供用户干预机制，确保AI行为符合用户预期，避免过度干预用户生活。

今日工具速览

• Ling-3.1-flash-1019：蚂蚁百灵开源的面向Personal Agent场景的优化版本，在复杂工作流和多步骤任务处理上表现优异。https://www.qbitai.com/2026/10/505928.html

• Ling-3.1-flash-base：百灵同步开源的基础模型，采用混合线性MoE架构，总参数量约560B，为长程任务提供知识、推理和计算效率基础。https://www.infoq.cn/article/wIuu0NSaLSaqJJpXVExD

• FluxVLA Engine：开源具身智能工程底座，提供统一的数据、训练、评测、推理与真机部署框架，解决不同模型与机器人间的工程适配问题。https://www.leiphone.com/category/ai/D4SlkV6zQ4ill9MG.html

• 理想i6电动前备箱：理想汽车2026款i6将支持付费升级电动前备箱，方案预计12月上线，产品负责人透露"价格公道"。https://www.ithome.com/1/019/201.htm

• 连山5C电池：理想汽车自研96千瓦时连山5C超充磷酸铁锂电池，后驱版CLTC续航780公里，5C超充下10分钟可补能500公里。https://www.ithome.com/1/019/168.htm

总结与观点

蚂蚁百灵开源Ling-3.1-flash-1019及其基础模型，标志着Personal Agent技术从概念验证向实用化迈出的重要一步。这一进展不仅体现在模型性能的提升上，更重要的是体现了对真实任务处理能力的关注，以及对从问答工具到持续办事助手的角色转变的回应。

Personal Agent的发展代表了AI应用的一个重要方向——从被动响应到主动服务，从单一功能到综合解决方案。这种转变不仅需要模型能力的提升，还需要工程生态的完善、用户体验的优化以及应用场景的拓展。

未来，随着更多企业和开发者投入这一领域，我们可以期待看到更多创新的Personal Agent应用出现，它们将深入到工作、生活的各个方面，成为人们不可或缺的智能助手。同时，这一领域也将面临数据隐私、任务边界、责任归属等挑战，需要在技术发展的同时，建立相应的规范和标准。

百灵的开源策略为这一领域的发展注入了活力，也为中国AI技术的自主创新提供了有力支撑。在Personal Agent的赛道上，技术、产品、生态的协同创新将成为竞争的关键，而最终受益的将是广大用户和整个AI产业。