AI最前沿 88Z.ai 4 月 22 日消息，蚂蚁百灵大模型团队发布 Ling-2.6-flash，采用混合注意力与稀疏 MoE 架构。该模型在四卡 H20 环境下推理速度达每秒 340 tokens，Token 消耗仅为同类产品的十分之一，并在多个 Agent 基准测试中达到最先进水平。
消息要点
- Ling-2.6-flash 采用混合注意力与稀疏 MoE 架构，激活参数 7.4B。
- 四卡 H20 环境下推理速度达 340 tokens/s，Token 消耗仅为同类约 1/10。
要点
蚂蚁百灵大模型团队正式推出代号为 Elephant Alpha 的 Ling-2.6-flash 模型。该模型总参数量为 104B，激活参数为 7.4B，技术架构上采用了 MLA 加 Lightning Linear 的混合注意力机制以及稀疏 MoE 结构。在性能表现方面，Ling-2.6-flash 在四张 H20 显卡的运行环境下，推理速度可达每秒 340 tokens。其评测过程中的 Token 消耗量显著降低，仅约为同类模型的十分之一。此外，该模型在 BFCL-V4 和 SWE-bench Verified 等智能体基准测试中均取得了最先进水平的成绩，展现了高效的推理能力与优异的性能表现。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 百灵大模型原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。