Hogar
Ant Group presenta Ling-2.6-flash, una versión de código abierto y la última incorporación a la familia de modelos Baoling
La serie de modelos a gran escala Baoling de Ant Group ha recibido hoy una importante actualización, y Ling-2.6-flash ya está oficialmente disponible para desarrolladores de todo el mundo. Con el fin de adaptarse a diferentes entornos de hardware y reducir las barreras de implementación, este modelo también ha lanzado varias versiones de precisión, entre las que se incluyen BF16, FP8 e INT4, lo que ofrece a los desarrolladores opciones de inferencia más flexibles.
Como modelo Instruct con un total de 104 000 millones de parámetros y 7400 millones de parámetros activados, Ling-2.6-flash se probó anteriormente bajo el alias «Elephant Alpha» en la plataforma OpenRouter. Durante un periodo de prueba de dos semanas, el equipo de desarrollo recopiló una gran cantidad de comentarios del mundo real y realizó optimizaciones específicas, mejorando notablemente la fluidez del cambio de código entre chino e inglés y la compatibilidad con los marcos de programación más habituales.

Aspectos técnicos destacados: arquitectura híbrida y eficiencia superior
La principal fortalezade Ling-2.6-flash reside en su arquitectura única y su alta eficiencia operativa:
Arquitectura lineal híbrida: gracias a la optimización computacional de bajo nivel, el modelo alcanza una excelente velocidad de inferencia. Con 4 tarjetas H20, alcanza hasta 340 tokens/s. En rendimiento de prellenado, ofrece 2,2 veces más que Nemotron-3-Super, lo que reduce significativamente la latencia de respuesta.
Notable ratio de eficiencia de tokens: El equipo calibró meticulosamente la eficiencia de los tokens durante el entrenamiento. Los datos de evaluación muestran que, para tareas de calidad equivalente, Ling-2.6-flash consume solo unos 15 millones de tokens —aproximadamente una décima parte de la competencia comparable—, lo que reduce considerablemente los costes comerciales.
Profundización en los escenarios: mejoras específicas en la capacidad de los agentes
Para los escenarios de agentes —uno de los casos de uso más comunes de los modelos grandes—, Ling-2.6-flash se ha mejorado específicamente. Ya sea gestionando llamadas a herramientas complejas, la planificación en varios pasos o la ejecución final de tareas, el modelo funciona de forma fiable. En varias evaluaciones estándar del sector, como BFCL-V4 y SWE-bench, incluso en comparación con modelos que cuentan con un mayor número de parámetros activados, Ling-2.6-flash mantiene un rendimiento comparable o incluso de vanguardia (SOTA).
Los desarrolladores pueden ahora acceder a los recursos de código abierto del modelo a través de Hugging Face y ModelScope (Moba Community), lo que abre la puerta a una mayor exploración de su potencial en diversas aplicaciones industriales.
Artículo relacionado
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en
Cumplimiento de la normativa sobre vehículos autónomos en California: una nueva era de multas, geovallas y 1 millón de millas
Guident opera un servicio de transporte de AuveTech en el sur de Florida, gestionando una ruta de cuatro millas en West Palm Beach y otra de una milla en Boca Ratón mediante su tecnología de monitoriz
Recomendaciones de temas especiales relacionados
comentario (0)
0/500
La serie de modelos a gran escala Baoling de Ant Group ha recibido hoy una importante actualización, y
Como modelo Instruct con un total de 104 000 millones de parámetros y 7400 millones de parámetros activados,

Aspectos técnicos destacados: arquitectura híbrida y eficiencia superior
La principal fortaleza
Arquitectura lineal híbrida: gracias a la optimización computacional de bajo nivel, el modelo alcanza una excelente velocidad de inferencia. Con 4 tarjetas H20, alcanza hasta 340 tokens/s. En rendimiento de prellenado, ofrece 2,2 veces más que Nemotron-3-Super, lo que reduce significativamente la latencia de respuesta.
Notable ratio de eficiencia de tokens: El equipo calibró meticulosamente la eficiencia de los tokens durante el entrenamiento. Los datos de evaluación muestran que, para tareas de calidad equivalente,
Profundización en los escenarios: mejoras específicas en la capacidad de los agentes
Para los escenarios de agentes —uno de los casos de uso más comunes de los modelos grandes—
Los desarrolladores pueden ahora acceder a los recursos de código abierto del modelo a través de Hugging Face y ModelScope (Moba Community), lo que abre la puerta a una mayor exploración de su potencial en diversas aplicaciones industriales.
CEO de DeepMind, Hassabis: Duermo seis horas al día y generalmente me siento con energía alrededor de la 1 a. m.
Fortune ha presentado recientemente una entrevista con Demis Hassabis, director ejecutivo de Google DeepMind, en la que revela su enfoque poco convencional para el descanso y la productividad. Hassabis ha revelado que duerme muy poco, estructurando s
OpenAI y Anthropic compiten por la cuota de mercado a pesar de la caída de los ingresos
A pesar de los recientes informes que sugieren que OpenAI no ha alcanzado sus objetivos de ingresos —lo que ha generado presión sobre las acciones tecnológicas este martes—, los inversores privados en











