17 小时写完一个编译器：蚂蚁这次没吹牛，但有个细节它没说清
先看一个数字：17 小时。
一个模型，从零开始写一个 Lua 到 x86-64 的编译器——不是代码片段，是能跑的、产出可执行文件的完整编译器——连续干了 17 个小时，182 项测试通过 178 项，97.8%。中途自己做设计决策、写代码、跑测试、修 bug，全程没人管。
这是蚂蚁百灵 9 月 30 日发布的 Ling-3.1-flash 交出的作业。同一场发布还有两组数字：给 Pyright 做 profiling 优化，10 小时，2279 项回归测试全过，1.4 倍加速；把 C 图像库用 Rust 重写，20 小时，30 项验证全过，8 倍加速。另外它在 OceanBase 开源版里自己挖出了一个栈缓冲区溢出漏洞，还给了补丁。
评测方式也和常见跑分不一样：没有 MMLU，没有 HumanEval，全是真实工程任务，每项标注耗时、测试通过数、验证结果。
但这条新闻里最值得说的，反而不是这些漂亮数字。
先说它没说清的那件事
很多报道标题都写了"1M 上下文免费两周"。这不是官方的说法。
官方原话是：免费体验两周，考虑到综合服务成本，免费期间服务长度为 256K；免费期结束转付费后，才计划开放 1M 上下文，届时同步开源。
也就是说，你现在去白嫖，摸到的是 256K 的版本。1M 是付费墙后面的东西——当然，官方承诺到时候开源，这个诚意在闭源为主的行业里还算难得。
为什么这件事重要？因为 1M 上下文恰恰是 17 小时编译器故事的根基。
17 小时的活，靠什么撑住
Ling-3.1-flash 的参数配置：560B 总参数，每 Token 激活 25B，512 个路由专家里每次只激活 9 个。
这套"大容量、小激活"的 MoE 配置解决的是钱的问题——560B 的知识储备在，但每次推理只算 25B 的量，成本锁得住。
真正让 17 小时连续任务成为可能的，是注意力架构：7 层 KDA（线性注意力）加 1 层 Gated MLA 交替堆叠。线性注意力的特性是长上下文下计算成本不爆炸，配合稀疏路由，1M 窗口下的推理成本才压得下来。
想象一下第 17 个小时的场景：模型面前是 16 个小时攒下来的代码结构、接口约定、变量命名。上下文窗口不够的话，前面写的代码就成了"上个月的记忆"——靠摘要和外部检索拼凑，错一点，整个编译器就断在半路。1M 窗口的意义是让模型直接读，而不是回忆。
这也是为什么它把评测锚点放在"长流程任务"而不是单轮问答——架构就是为这个场景设计的。
官方成绩单：紧贴 Opus 5，但要看清赛道
第三方评测机构 Artificial Analysis 的 GDPVal-AA v2.1 榜单上，Ling-3.1-flash 拿了 1673 Elo——官方 X 账号强调这个分数紧贴 Claude Opus 5（1708），领先 GPT-5.6、Kimi K3、DeepSeek V4.1-Flash。另一边，FrontierSWE 75.16、HealthBench Professional 65.35（医疗场景，训练时吸收了好大夫在线的真实问诊反馈）。
几个冷静的注脚：
ELO 差 35 分不是"打平"。 GDPVal-AA 榜上 Opus 5.5（1692）在它前面，35 分的差距在 Elo 体系里是明确的实力差。正确的读法是：一个主打性价比的 flash 档模型摸到了旗舰榜的门口，而不是"追平 Anthropic"。
FrontierSWE 的版本坑。 FrontierSWE v2 换了任务集和评测框架，官方宣称的 75.16 和 v2 榜上的数字不在一个坐标系里，跨版本对比没有意义。
"超越 GLM-5.3 Flash"的说法来自自媒体。 官方口径是 GDPVal-AA 上领先 GLM-5.3 等模型，具体档位（5.3 还是 5.3 Flash、什么推理档）各家报道口径不一。这一点上，榜单原文比任何标题都可靠。
和上一代比，跳了多大一步
Ling-3.0-flash（124B/A5.1B）当时靠便宜和快出圈——OpenRouter 上 $0.021/M input，实测 400 tokens/s。三个月后，3.1 版本参数翻了 4.5 倍，激活翻了 5 倍，定位从"快而省的办公模型"转向"长流程 Agent 主力"。
这条演进路线其实指向同一个判断：Agent 时代的瓶颈不是单次回答的聪明程度，是连续执行几十个小时不出错的能力。 谁能撑住长流程，谁就接得住真正值钱的活——不只是写代码，还有医疗随访、金融分析、科研实验这类动辄数小时的连续任务。
免费两周，怎么薅
入口两个：Ling Studio（chat.ant-ling.com）和蚂蚁数字科技 MaaS 平台。免费期间 256K 上下文，无需付费。
适合现在就去试的：
- 有长文档/大代码库要处理的人——256K 在免费期已经够大多数单仓库场景
- 想跑长流程 Agent 任务的人——17 小时编译器这类玩法，免费期就能验证
- 等开源的人——官方明确承诺付费后开源，按 Ling 系列惯例（3.0 已开源），权重会落在 HuggingFace
两个提醒：免费期结束后的定价还没公布，别把两周免费当长期成本模型做架构决策；1M 上下文属于付费功能，你的应用如果依赖超长上下文，上线时间表要按官方后续公告来。
一句话总结
17 小时的编译器证明了长流程 Agent 的可行性，1673 的 Elo 证明了 flash 档也能摸旗舰的边——但真正的胜负手，是两周后公布的定价和那份承诺中的开源权重。在那之前，先把 256K 的免费额度用干净。
相关链接：
- Ling Studio（免费体验入口）：https://chat.ant-ling.com
- 蚂蚁百灵官网：https://www.ant-ling.com
- 官方 X 公告：https://x.com/AntLingAGI/status/2105335205741596911
- GDPVal-AA v2.1 榜单（Artificial Analysis）：https://artificialanalysis.ai/evaluations/gdpval-aa
- Ling 开发者文档：https://developer.ant-ling.com/zh-CN/docs/models/ling
暂无评论。