个人智能体爆火,蚂蚁拿560B新模型把成本打下来了

个人智能体爆火,蚂蚁拿560B新模型把成本打下来了

个人智能体能不能天天用,账本给出的答案比能力表更早。蚂蚁百灵刚开源的 Ling-3.1-flash,把混合调用价格压到了每百万Token不到一块三人民币。

一、同一周密集出招,大厂都在抢同一件事

近一周硅谷的动作很密。10月12日,Meta 发布 Muse Wonder 系列,包含 Muse Wonder 与 Muse Wonder Full 两个型号,明确面向个人与专业智能体任务。10月9日,谷歌云在 Gemini at Work 2026 大会上推出企业通用智能体 Gemini Agent,能自主规划任务、调用工具,在文档、邮件和开发环境里完成多步骤工作。

紧接着,谷歌又开放了旗舰模型 Gemini 4 Argon,把重点放在编程、金融、法律、网络安全和科学这类复杂现实任务上。

国内这一侧,蚂蚁百灵9月30日发布 Ling-3.1-flash,10月15日正式开源。总参数量约560B,每个Token激活参数约25B,上下文窗口上限1M,主场景定为日常办公、长周期软件研发和复杂Agent任务。

三家的产品形态不同,指向却一致:让模型接手真实工作。

二、个人助理看着简单,账却最难算

把AI当助手用,听着像是最轻的场景。真做起来,它往往是成本最重的场景之一。

原因在任务的结构里。让模型整理一份项目进度,它要先读邮件、再翻群聊、再去笔记里找线索,然后把待办、负责人、截止时间、阻塞点一一对齐,最后做成一个能筛选、能排序、能标记完成的工作台。智东西的实测里,这样一份工作台整理出33项未完成待办。

每一步都要调用工具,每一次调用都要读进上下文。答错了要重来,格式不对要重来,数据对不上还要再查一遍。单次调用便宜不算数,整条链路累加起来才是真实开销。

个人智能体长期停在演示阶段,卡点多半就在开销上。一个真实流程跑下来,账单比想象中厚。

三、把成本压下来,靠的是三件事

Ling-3.1-flash 的报价是混合调用每百万Token约0.19美元,折人民币约1.27元;输出速度约每秒210 Token。第三方评测机构 Artificial Analysis 的公开测试里,它的智能指数为41。

价格能压到这个位置,靠的是模型结构上的三处安排。

第一是稀疏激活。560B的总参数里,每个Token只激活约25B,占比不到5%。推理时动用的算力大幅下降,这是成本下来的主因。

第二是长上下文。1M的窗口意味着整份资料可以一次性放进去,模型不必反复取数、反复确认,多轮任务里的重复开销被削掉一块。

第三是速度。每秒210 Token 的输出让长任务的等待缩短,也让生成完再检查这类需要来回的流程更可行。

三件事叠在一起,才把多轮工具调用从奢侈动作变成日常动作。

四、验收标准从聊得好,换成交得出

能力怎么算数,这一轮有了新答案:看交付物。

智东西的实测要求模型交付可编辑的数据表、可交互的可视化网页、可运行的3D场景,以及一个能搜索、能收藏的手机版新闻App原型。这些成果的共同点是能继续用,数据表能改,网页能筛选和悬停查看,App刷新后收藏还在。

在 Design Arena 的开放权重模型评测中,该模型在数据可视化、React Native移动应用、3D设计和游戏开发四个方向都排到第三,SVG生成与网站制作分别是第四和第五。

测试方选的坐标系已经偏向应用开发与视觉呈现。买方验收时看的也是能不能直接用,跑分的高低退到了次要位置。

五、开源底座铺量,行业模型收钱

百灵这一轮不只放了一个通用模型。面向投研场景,它推出金融大模型 LingFin,强调用高智效比提升研究效率;面向医疗,它推出医疗健康增强模型 LingSante,围绕医学知识理解、循证资料检索和标准化医疗流程做优化。

通用模型能整理财报,不代表它能做金融建模、产出可核验的专业报告。行业里的具体任务有自己的口径和流程,通用能力走到这里会碰到边界,行业增强模型补的就是这一段。

开源底座负责铺开使用面、成为默认选项,行业模型负责切进愿意付费的工作流。两条线的分工很清楚。

六、成本比能力更早决定Agent能不能落地

过去两年讨论Agent,焦点多落在模型会不会规划、能不能调用工具。这一轮把账单摆到了台前。

当一个真实任务需要几十次调用,单次的价格就直接决定它能不能被反复执行。0.19美元/百万Token 这样的量级,让错了重来在经济上站得住,Agent才有可能从演示走向日常。

能力还会继续涨,价格也会继续降。真正拉开差距的,可能是谁的模型能让一条长链路跑得又稳又便宜。

你手上的工作里,有哪些环节已经便宜到可以交给AI反复试?

© 版权声明

相关文章

暂无笔记

您必须登录才能记录笔记!
立即登录
none
暂无笔记...