据百灵大模型消息，百灵新一代原生混合推理模型Ling-3.0-flash现已正式开源，采用124B总参数、5.1B激活参数的MoE架构，并同步提供基础版本及FP8、FP4、INT4等多个量化版本，方便开发者根据硬件条件、推理成本和数据安全（885942）要求灵活部署。
Ling-3.0-flash为不同规模业务系统提供了三种落地方式。一是API调用，面向希望快速接入、无需自建推理服务的开发者，在Artificial Analysis榜单中，其输出速度达353 tokens/s，每项任务加权平均调用成本约0.04美元，适合Coding Agent、搜索调研及多智能体协作等场景。二是单机私有化部署，通过MXFP4与INT4量化版本，模型可在单台配备128GB LPDDR5x内存的NVIDIA DGX Spark上完成端到端推理，生成速度约80 tokens/s，支持约3至4人使用，让敏感数据留在本地，适用于医疗研究、金融法务等对数据安全（885942）要求高的场景。三是高性能部署，在指定GPU配置下，通过推理系统优化和DSpark投机解码，平均输出速率突破1100 tokens/s，平均TPOT低至约0.8ms，专为实时代码补全、高频Agent调用等对单请求时延极度敏感的业务设计。
此外，百灵同步推出“真实世界智能共创计划”，面向开发者、AI创业者等招募100位共创者，每人免费提供1亿Token，总计100亿Token，支持将模型应用于真实业务。Ling Studio也推出限时2.5折优惠，持续降低开发者使用成本。
原文：Ling-3.0-flash 开源：为真实世界而生的开放智能（来源：百灵大模型）
