企业用 AI 跑复杂工作流，往往不是问一句、答一句，而是连续读资料、写报告，再按反馈修改。调用次数一多，成本和速度就成了落地门槛。10 月 15 日，蚂蚁百灵开源 Ling-3.1-flash，开发者可下载模型权重，自行部署和调整。它共有约 560B（5600 亿）参数，但采用混合专家模型（MoE）——像每次只叫少数专家上场——每个 token（模型处理文字的基本单位）约激活 25B 参数。
据 InfoQ 报道，Ling-3.1-flash 的混合调用价格约为每百万 token 0.19 美元。这里的“推理”指模型实际接收输入并生成结果；0.19 美元并非完成一次复杂工作流的固定总价，实际花费仍取决于输入输出量和计价口径。更具体的落地变化是，团队通过压缩权重，把占用从约 534GB 降到 292GB；在其 Hopper GPU 测试配置中，部署需求从 8 张卡降至 4 张。对企业 Agent 而言，这比单看模型规模更关键：它直接影响高频调用能否算得过账。