蚂蚁百灵大模型团队今日正式开源其最新MoE（Mixture of Experts）大模型：Ling-flash-2.0。
作为Ling 2.0架构系列的第三款模型，Ling-flash-2.0以总参数100B、激活仅6.1B（non-embedding激活4.8B）的轻量级配置，在多个权威评测中展现出媲美甚至超越40B级别Dense模型和更大MoE模型的卓越性能。
团队基于早期MoE Scaling Law研究，通过多维度优化实现了以小博大的奇迹：仅激活6.1B参数，却带来约40B Dense模型的等效性能，形成7倍以上的性能杠杆。
使得Ling-flash-2.0在日常推理中实现200+ tokens/s的高速生成（在H20平台上），输出越长，加速优势越明显。推理速度比同性能模型提升3倍以上，为实际部署带来显著成本优势。
功能特点
高难数学推理：在AIME 2025和Omni-MATH等竞赛级题目中，模型展现出稳定的多步求解能力，得益于高推理密度语料和思维链预训练策略。
代码生成：在LiveCodeBench和CodeForces评测中，模型在功能正确性、代码风格和复杂度控制上超越同规模模型，甚至部分任务优于GPT-OSS-120B。
前端研发：与WeaveFox团队合作，通过大规模RL训练和视觉增强奖励（VAR）机制，模型在UI布局、组件生成和响应式设计中实现功能与美学的双重优化。
实际案例
代码生成：编写一个 Python 程序，实现10个小球在旋转六边形内部弹跳的效果。球应受到重力和摩擦力的影响，并且必须真实地碰撞旋转的墙壁。
网页创作：创作一个万相 AIGC 模型的海外 Landing page，黑色风格，搭配渐变紫色流动，体现 AI 智能感，顶部导航包括 overview、feature、pricing、contact us。
贪吃蛇小游戏：
Ling-flash-2.0的意义不在于“参数小”，而在于重新定义了“效率”与“能力”的关系。它证明模型的智能源于架构、数据与训练策略的深度融合，而非单纯参数规模。
GitHub：https://github.com/inclusionAI/Ling-V2
