蚂蚁百灵开源 Ling-3.0 tiny / flash Base 模型，开放训练过程中的关键节点

8月21日消息，蚂蚁百灵本月已陆续开源Ling-3.0-tiny和Ling-3.0-flash模型。官方于昨日宣布，正式开源Ling-3.0-tiny-base与Ling-3.0-flash-base，除最终Base checkpoint外，还将同步开放这两个模型预训练和中期训练的权重checkpoint，总计6个checkpoints。

预训练 checkpoint：已完成大规模预训练，尚未进行中期训练、WSM 合并和后训练；

中期训练 checkpoint：已完成中期训练，尚未进行 WSM 合并和后训练；

WSM 合并 checkpoint：已基于中期训练 checkpoint 完成 WSM 合并，尚未进行后训练。

注：Base 模型通常是指未经特定任务微调的基础预训练模型，在训练过程中最初被开发和优化的，它旨在平衡性能和资源消耗。

最新表示，这些 checkpoints 适合用于持续预训练、领域监督微调、偏好优化、强化学习后训练、蒸馏，以及长上下文和 MoE 系统研究。

需要特别说明的是，Base Model 并不是已经完成指令对齐的聊天模型。我们不建议未经后训练便直接将其部署为面向终端用户的聊天服务，也不建议未经额外对齐和评估便用于安全关键型应用。任何生产使用都应完成面向具体任务的后训练、评估与验证。

中期训练完成后，将传统学习率衰减方式更新为checkpoints加权合并，也就是WSM（Warmup-Stable and Merge）。由于不再进行学习率衰减，该基础模型更适宜持续预训练和动态扩展数据，并且在训练后支持离线探索不同学习率的“衰减曲线”。

其中，Ling-3.0-tiny-base（总参数 7.9B，激活参数 1.3B）以相比前代 50% 左右的总参数量，在大多数评测中取得更高结果；在与同等规模模型对比中，展现出更具竞争力的代码能力。

Ling-3.0-flash-base（总参数 124B，激活参数 5.1B）具备更充足的参数容量与稀疏激活设计，为研究者和开发团队提供了一个可继续训练、拓展并适配真实场景的开放底座。

在下表的评测中，模型在代码、复杂推理和长上下文方向表现突出。相比总参数量约为其 2–3 倍的 base model，模型的整体表现仍具优势。

附开源链接如下：

Ling-3.0-tiny

Hugging Face：

https://huggingface.co/inclusionAI/Ling-3.0-tiny-base

https://huggingface.co/inclusionAI/Ling-3.0-tiny-base-30T

https://huggingface.co/inclusionAI/Ling-3.0-tiny-base-midtrain

ModelScope：

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-tiny-base

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-tiny-base-30T

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-tiny-base-midtrain

Ling-3.0-flash

Hugging Face：

https://huggingface.co/inclusionAI/Ling-3.0-flash-base

https://huggingface.co/inclusionAI/Ling-3.0-flash-base-30T

https://huggingface.co/inclusionAI/Ling-3.0-flash-base-midtrain

ModelScope：

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-flash-base

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-flash-base-30T

https://www.modelscope.cn/models/inclusionAI/Ling-3.0-flash-base-midtrain