// 蚂蚁百灵 Ling / Ring / Ming · 文本大模型
Ling-3.1-flash 本地部署与显存需求
总 560B · 激活 25B（MoE） 参数。4 位量化约 375 GB，BF16 约 1.23 TB（1 个 8K token 请求）。
发布 2026-10-13许可：可商用显存为估算值
01规格
| 发布方 | 蚂蚁集团 inclusionAI · inclusionAI |
|---|---|
| 系列 | 蚂蚁百灵 Ling / Ring / Ming · Ling-3.1-flash |
| 类型 | 文本大模型 (text-generation) |
| 参数量 | 总 560B · 激活 25B（MoE） 来源：官方模型卡“Total 560B, Activated 25B” |
| 上下文长度 | 256K tokens (262,144)取自 config.json 的 max_position_embeddings |
| 结构 | 72 层 · MLA · MoE |
| 发布权重 | FP8 (E4M3) · 574 GB下载量 |
| 许可 | MIT · 可商用宽松许可（Apache-2.0 / MIT / CC-BY / OpenMDW）：允许商用。 |
| 发布日期 | 2026-10-13 （Hugging Face 仓库创建日） |
02需要多少显存（估算）
合计 = 权重 + 10% + 0.5GB 运行开销 + 1 个请求的 KV 缓存（FP16）。并发用户越多，KV 部分成倍增加。
| 精度 | 权重 | 合计 @ 8K | 合计 @ 32K | 合计 @ 128K | 最低显卡 | Mac |
|---|---|---|---|---|---|---|
| BF16 / FP16（原始精度） | 1.12 TB | 1.23 TB | 1.24 TB | 1.24 TB | 8 × B200（1,440GB） | — |
| FP8 / INT8 / Q8_0 | 595 GB | 656 GB | 658 GB | 666 GB | 8 × H200（1,128GB） | — |
| 4 位量化（Q4_K_M / AWQ / GPTQ-Int4） | 340 GB | 375 GB | 377 GB | 385 GB | 8 × H100（640GB） | — |
每个请求的 KV 缓存：8K 0.7 GB · 32K 2.7 GB · 128K 10.9 GB
每权重比特：BF16 16、FP8 8.5、4 位 4.85。“放得下” = 合计 ≤ 显存 90%；Mac GPU 约可用统一内存的 2/3（≤36GB）或 3/4（更大机型）。MoE 模型所有专家都要进显存，按总参数算。 估算方法 →
03怎么跑
只列厂商或推理框架官方明确支持的方式。
- vLLM — 官方模型卡提及
- SGLang — 官方模型卡提及
04官方仓库与量化版
inclusionAI 官方发布的 1 个仓库。
- Ling-3.1-flash main
05蚂蚁百灵 Ling / Ring / Ming 其他模型
全部 29 个 →| 模型 | 参数 | 4 位合计 | 发布 |
|---|---|---|---|
| Ling-3.0-tiny-UBTree | 183M | 1.0 GB | 2026-10-21 |
| Ling-3.0-flash-UBTree | 482M | 1.5 GB | 2026-10-14 |
| Ming-3.0-asr-tiny | 8.87B | 6.4 GB | 2026-10-14 |
| Ming-3.0-tts-0.5B | 1.48B | 1.5 GB | 2026-09-22 |
| Ming-3.0-tts-tiny | 8.98B / 1.3B | 6.5 GB | 2026-09-22 |
| Ming-Image-0.1-Design | 6.16B | 4.6 GB | 2026-09-17 |
| Ling-3.0-flash-VL | 124B / 5.5B | 83.6 GB | 2026-09-04 |
| Ming-3.0-audio-flash | 126B / 6.5B | 84.5 GB | 2026-09-03 |
06来源
数据核对于 2026-10-20。参数、上下文、许可取自官方仓库；显存为本站估算。