4 月 22 日消息，蚂蚁集团旗下的百灵大模型今日宣布，推出一款总参数量 104B、激活参数 7.4B的 Instruct 模型Ling-2.6-flash。
一周前，代号为 Elephant Alpha 的匿名模型登陆 OpenRouter。上线以来，其调用量持续增长，连续多日位列 Trending 榜首，日均 tokens 调用量达 100B 级别。百灵大模型今日宣布 Elephant Alpha 正是百灵模型 Ling-2.6-flash 的匿名测试版本。
官方表示，面对持续攀升的 Token 压力，Ling-2.6-flash 选择了一条不同的技术路径：不是单纯依赖更长输出换取更高分数，而是围绕推理效率、Token 效率与 Agent 场景表现进行系统性优化，在保持竞争力智能水平的同时，尽可能做到更快、更省和更适合真实业务场景。
Ling-2.6-flash 的核心能力体现在三个方面：
混合线性架构，释放推理效率：通过引入混合线性架构，模型从底层优化计算效率，在 4 卡 H20 条件下推理速度最快可达到340 tokens/s，Prefill 吞吐达到 Nemotron-3-Super 的2.2 倍
Token 效率优化，提升智效比：在训练过程中对 Token 效率进行了针对性校准，力求以更精简的输出完成既定目标。在 Artificial Analysis 的完整评测中，Ling-2.6-flash 仅消耗15M tokens，约为 Nemotron-3-Super 等模型的1/10
面向 Agent 场景进行定向增强：针对当前需求最旺盛的 Agent 应用，在工具调用、多步规划与任务执行能力上持续打磨，使模型在 BFCL-V4、TAU2-bench、SWE-bench Verified、Claw-eval、PinchBench 等评测中，即使面对激活参数更大的模型，依然能够取得相近甚至 SOTA 级别的表现
Ling-2.6-flash 在 Agent 相关基准上达到同尺寸 SOTA 水平
为方便更多开发者快速体验 Ling-2.6-flash，百灵大模型将在 OpenRouter 与官方平台同步提供一周免费 API 调用。
免费期结束后，将按使用量计费：输入 0.1 美元 / 百万 tokens，输出 0.3 美元 / 百万 tokens，缓存命中 0.02 美元 / 百万 tokens（按 20% 计费）。
Ling-2.6-flash 官方 API 服务也已正式开放，官方免费期结束后，平台仍将提供每日 50 万 tokens 免费额度；超出部分按量计费：输入 0.6 元 / 百万 tokens，输出 1.8 元 / 百万 tokens。
注意到，官方表示，模型的 BF16、FP8、INT4 等版本也将于近期正式开源。