1/10 消耗、0.1美元定价，开发者和中小企业的“省钱模型”来了

4月22日，蚂蚁百灵正式推出Ling-2.6-flash Instruct模型。该模型总参数量为104B，激活参数仅7.4B，核心主打高“Token 效率（Token Efficiency）”，围绕更快推理、更低消耗、更易规模化落地打造，面向智能体（Agent）场景完成专项能力强化，旨在为AI 应用场景提供一种更优的“智能表现”与“成本平衡”方案，推动AI Agent大规模落地。

随着AI Agent步入规模化落地阶段，Token消耗的激增正成为制约大模型应用普及的关键瓶颈。相较于普通对话，Agent任务输入长度大幅提升，叠加多轮工具调用、长程规划执行，显著推高推理算力与使用成本。值得注意的是，行业内主流模型多选择通过“长思考”以更长的推理过程换取更高的任务上限，这一方式反而进一步加剧了资源消耗。

面对持续攀升的Token压力，Ling-2.6-flash选择了一条差异化技术路径：它没有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，力求在保持竞争力智能水平的同时，尽可能做到更快、更省、更适合真实业务场景，精准破解行业落地痛点。

具体来看，Ling-2.6-flash的核心能力集中体现在三个方面：

·其一，采用混合线性架构，释放推理效率：Ling-2.6-flash沿用了Ling 2.5的混合线性架构设计，模型从底层优化计算效率，这种高度稀疏化的MoE架构在硬件表现上优势显著。在4卡H20条件下，其推理速度最快可达到340 tokens/s，Prefill吞吐更是达到Nemotron-3-Super的2.2倍。以更高的“费效比”完成任务。

此外，在Output Speed 测评中，Ling-2.6-flash以215 tokens/s的稳定输出速度位列同参数级别模型的第一梯队。

·其二，聚焦Token 效率优化，显著提升智效比：在模型训练过程中，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。同时在预训练与推理侧完成大规模算子融合与精度适配，满足不同场景需求，提升推理效率。

在Artificial Analysis完整测评中，Ling-2.6-flash总消耗15M tokens，而Nemotron-3-Super等模型达到或超过110M tokens。这意味着，Ling-2.6-flash仅用约1/10的token消耗，以更高的“智效比”完成了同类评测任务。

·其三，面向Agent 场景进行定向增强，强化任务执行力：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，在控制Token消耗的前提下，依然保持了极强的任务执行力，使模型在BFCL-V4、TAU2-bench、SWE-bench Verified、Claw-Eval、PinchBench 等Agent相关基准上达到同尺寸SOTA水平。与此同时，Ling-2.6-flash在通用知识、数学推理、指令遵循及长文本解析等维度保持优秀水准。可广泛适配代码生成、长篇内容创作、复杂信息提取、工作流自动化等各类真实业务场景。

不难看出，Ling-2.6-flash的核心追求并非单点极限能力，而是在控制Token消耗的前提下，持续保持对Agent任务的强竞争力。换句话说，Ling-2.6-flash追求的不是单纯“更强”，而是在“足够强”的基础上，进一步实现“更快、更省、更可落地”，精准匹配行业规模化落地的核心需求。

对于开发者和企业场景而言，这种效率优势意味着更低的推理开销、更快的首字响应、更短的整体生成时延，以及更流畅的交互体验，带来更实用的价值，满足其在真实部署环境下对速度、成本与体验的综合要求。

值得一提的是，此前一周在OpenRouter匿名上线、并成功登顶热度榜的匿名模型 “Elephant Alpha”，如今也正式“破案”，正是Ling-2.6-flash的测试版本。社区的广泛关注和正向反馈也印证市场对高性价比、高Token效率大模型的强烈需求。

经过一周的持续迭代和优化，Ling-2.6-flash在Agent场景的泛化性和稳定性方面获得了进一步提升。Elephant Alpah测试期间，研发团队收到了来自社区的大量真实反馈，其中，模型的速度优势和Token节省能力，获得了用户的广泛认可。

（网友在测试期间的反馈，更快、更省Token）

API定价方面，Ling-2.6-flash输入每百万tokens定价0.1美元，输出 0.3 美元。目前，Ling-2.6-flash API已在OpenRouter及百灵tbox平台上线，同步开放为期一周限时免费试用。用户可以通过OpenRouter、百灵大模型tbox获取对应服务。该模型后续将通过蚂蚁数科发布商业版本LingDT，服务全球开发者及中小企业。据了解，模型的BF16、FP8、INT4等版本也将于近期正式开源，敬请期待。

在AI大模型从技术比拼转向落地竞争的阶段，Ling-2.6-flash这类聚焦Token效率与Agent 实用性的产品，通过技术创新提升“Token效率”，在保证智能水平的前提下，大幅降低应用成本和部署门槛，将有助于推动大模型在真实业务场景中的大规模落地，也为行业在“能力”与“成本”之间的平衡提供了新的参考方向。

文章来自于微信公众号 "51CTO技术栈"，作者 "51CTO技术栈"