网易首页 > 网易号 > 正文 申请入驻

实测:Flash模型正在从“缩水版”变成办公的“经济解”

0
分享至


撰文 | 高晓阳

编辑 | 郝 鑫

10月15日,蚂蚁百灵正式开源Ling-3.1-flash,官方介绍是面向真实世界任务的模型升级。

Ling-3.1-flash总参数约为560B,每个Token激活约25B参数,并拥有上限为1M的上下文窗口,是一个标准的flash模型规格。

现在回头看两周前百灵的发布,最值得注意的不是模型本身,而是一张GDPVal-AA V2.1评测排名表。这个评测结果展示的是模型在工作任务中的表现。数据显示,Ling-3.1-flash以1673分排在第2,超过了GLM-5.3-flash的1641分和DeepSeek-4.1-flash的1600分,仅次于Opus-5的1708分。


办公场景具备三个特征,链路长、上下文长、单次产出价值不算高,这三个特征叠在一起,让Flash档位的模型成了办公任务的高性价比选择。

可不同Flash之间亦有差别,评测分数也并不能完全代表能力高低,今天我们将用同一个办公任务来分别测试三款不同模型的表现,看这三个Flash模型哪个用着“不烧心”。

蚂蚁拼链路,DeepSeek拼成本,智谱拼成品

三家厂商不约而同地强调模型在办公场景下的性能。该场景下,多数任务并不需要旗舰模型的强推理能力,但超长上下文会推高Token的消耗。因此,为了控制成本,大部分用户会选择Flash模型。

那各家的侧重点分别又在哪里?

Ling-3.1-flash主打全流程统一链路。官方从“办公任务往往始于一句还不够清楚的需求”切入,点明办公任务交付物种类繁多的痛点,以凸显其执行办公任务时统一链路的能力。

面对跨网页、文档、表格和代码环境的任务,模型可以根据需要开展资料研究和数据分析,制作表格和PPT,也可以生成并测试代码。这个过程中模型会将需求梳理、任务拆解、信息整合、工具调用和结果检查连接在同一条工作链路中。

而且蚂蚁已经让Ling-3.1-flash的能力进入具体产品形态,将其接入了蚂蚁集团内部运行的桌面协同Agent客户端“小虎”,让模型能够走出聊天框,在桌面环境中完成工作。

DeepSeek-4.1-flash选择用非对称模型结构来降低模型执行办公任务的成本。它采用了相较于之前DeepSeek模型全新结构,输入和输出不对称,输入激活参数只有8B,输出激活16B,以此来降低任务执行成本。

办公场景下多为总结分析类任务,具有输入长、输出短的特点。DeepSeek通过降低输入激活参数,来降低输入端成本,同时将输出激活参数维持在较高水平以保证质量。通过“一低一高”的策略,来平衡模型的智能与成本。

此外,DeepSeek-4.1-flash还通过削减KV Cache缓存大小,来降低办公场景下Agent类任务的使用成本。


GLM-5.3-Flash则是依靠新增的视觉理解能力来检查并优化自身输出。这是GLM-5系列的首个原生多模态模型,其总参数量在三个模型中最低,只有320B(Ling-3.1-flash总参数560B,DeepSeek-4.1-flash总参数552B)。

办公场景下最终交付物大多需要排版美观,GLM-5.3-Flash有了视觉理解能力加持之后,可以将输出结果与视觉上下文以及预期的结果进行对比,从而实现自我验证和优化,也可以呈现质量评估以及进行审美判断。

GLM-5.3-Flash采用线性注意力与稀疏注意力相结合的混合架构,降低使用成本。只是相较于新增的视觉能力来说,这点属于锦上添花。

综上我们可以得出,蚂蚁拼的是统一工作链路,保证任务运行时的连贯。DeepSeek拼的是成本,用非对称模型结构和减少缓存的方式来提高性价比。智谱拼的是审美,依靠模型新增的视觉理解能力去不断优化成品的视觉效果。

12万行数据实测,确实太难了

为了测试真实的模型效果,这次我们参考GDPVal-AA的标准设计案例,来检验三款模型在办公场景下的实际表现。

我们先让GPT生成了一份12万行数据的表格文件,然后把表格分别发给三个模型。在一个对话窗口中,依次让模型完成对数据体检、口径确认、分析报告产出、配图,和完成PPT制作。

首先12万行的数据塞不进任何模型上下文,模型必须自己写代码读表、抽样、分组、迭代。这并不考验模型能不能读完,而是在考验模型能不能自己找到方法来分析数据。再者把多轮对话塞进一个窗口,也是在检验模型的上下文记忆能力,看最后制作PPT的时候数据会不会出现偏差。

为了尽可能的控制变量,我们把Ling-3.1-flash接入到了WorkBuddy里面,让三款模型在同一个Agent中完成测试。

在初始数据清洗的阶段,一开始我们先让模型完成对数据的“体检”,找出表格中的漏洞,三款模型在这个任务中无一例外都发现了我们事先设计的10个漏洞,而且均对漏洞进行了分类。

但数据清洗结束之后,只有DeepSeek-4.1-flash主动生成了数据体检报告。结合后面的测试结果来看,这是DeepSeek-4.1-flash的一个特点,即便提示词中不提及生成报告,大部分时候它也会主动生成,这倒是会方便任务的留档。有时模型的主动行为,确实会提升用户的使用体验。


整个数据处理阶段,三款模型之间并没有表现出明显差异,分化出现在生成配图和PPT的阶段。

我们选差异度最大的一组图来看,结果出乎意料,三款模型输出全部错误。我们让GPT分析了错因,Ling-3.1-flash和GLM-5.3-Flash犯了同一个错误,都是数据清洗不完整;DeepSeek-4.1-flash则是把有单位问题的数据加入了计算,再加上计算方式的错误,使得结果依旧与真值不符。


Ling-3.1-flash生成


DeepSeek-4.1-flash生成


GLM-5.3-flash生成

这样的结局始料未及。如此看来,当需要处理的数据量庞大时,对Flash模型确实太难了。这也在提醒我们,数据分析类的任务如果要用不同模型交叉验证结果是否正确,尽量不要用同级别的模型。在验证结果的阶段还是需要用旗舰模型,毕竟只有在能得到正确结果的前提下,才可以去谈控制模型消耗成本这个话题。

最后我们再来看各模型在PPT上的审美如何。Ling-3.1-flash生成PPT的成品在排版的审美上是出彩的;DeepSeek-4.1-flash整体来说是没有太大问题,PPT中图表居多,没有出现大段文字,同时也在每页都加了图注;GLM-5.3-Flash在某些页面出现了文字溢出的情况,可见即便有了视觉能力的加持,也难免在一些细处犯错。


Ling-3.1-flash生成


DeepSeek-4.1-flash生成


GLM-5.3-flash生成

从将就到常用,Flash定位的变化

单看测试结论没有价值,我们还需要结合各模型的定价来看。Ling-3.1-flash在10月14日刚公布API价格,整体价格在DeepSeek-4.1-flash和GLM-5.3-Flash之间,打折之后的价格大约是GLM-5.3-Flash的一半,在一些复杂链路的任务下具备一定性价比。但办公场景下的任务,我们应该重点关注缓存读取的价格,这才是决定使用成本的关键。

缓存读取的价格方面,DeepSeek-4.1-flash具有绝对的优势,Ling-3.1-flash即便在2.5折的价格下也是DeepSeek-4.1-flash的6倍多。这也是DeepSeek-4.1-flash通过优化模型结构和减少缓存大小来降低成本最直接的体现,它同时降低了厂商部署和用户使用的成本。


再来看速度上的差异,DeepSeek-4.1-flash和GLM-5.3-Flash的执行速度相差不大,而Ling-3.1-flash随着强化学习带来任务效果提升,模型的思维链长度和交互轮数增加,因此耗时要长一些。蚂蚁也没有回避这个问题,称后续优化将继续关注智效比。

我们还发现DeepSeek-4.1-flash和GLM-5.3-Flash的一个共同优化点,两者都通过压缩KV缓存来优化模型。压缩KV缓存省下的是显存和带宽,同一张卡能同时跑更多请求,吞吐上去,单Token的成本就下来了。而这个优化点Ling-3.1-flash不曾提及,或许百灵可以借鉴两家的做法来优化自家模型的智效比。

Flash这个后缀,在过去一直带着点贬义,因为它是旗舰的缩水版,很笨,因此通常是预算不够时的将就。

但随着模型能力提升,这个观念正在改变。Flash模型现在可以承担越来越多的日常任务。办公场景也成为了各家Flash模型重点争夺的战场。例如,在制作PPT的测试中,三款模型不仅审美在线,甚至达到了可以直接拿来用的程度。

可不足的地方也要正视,在需要大量逻辑推理的场景中,Flash模型依旧不能胜任,这时还是需要旗舰模型来救场,然后Flash可以用来将其确定后的文档转换成可视化形式。

在旗舰模型价格逐渐走高的今天,Flash模型的高性价比在被越来越多的人看到,并应用到自己日常的工作流中。这或许在预示着AI普及的下半场,技术的价值不再只由峰值能力定义,而更在于它能否以人人可负担的成本,走进千千万万个真实的日常。从这个角度看,Flash模型将是让AI真正“飞入寻常百姓家”的答案。



微信号|TMTweb

公众号|光子星球

别忘了扫码关注我们!

特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
李亚鹏被送急诊不到一周,王菲母女就开始为他争光,谢霆锋挺尴尬

李亚鹏被送急诊不到一周,王菲母女就开始为他争光,谢霆锋挺尴尬

触摸史迹
2026-11-20 09:46:45
深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

深圳这次APEC,有个细节太提气了。各国嘉宾一下飞机、进会场,坐的啥车?是红旗,是腾势

扶苏聊历史
2026-11-19 15:27:26
特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

特朗普是美国历史上第一位,也是到目前为止唯一一位,当选总统前既没有任何文职政府公职、也没有参军服役经历的总统

回京历史梦
2026-10-26 10:49:29
米体:那不勒斯将以一个非常低廉的价格出售德布劳内

米体:那不勒斯将以一个非常低廉的价格出售德布劳内

懂球帝
2026-11-19 22:24:21
沈腾凭《欢迎来龙餐馆》获亚洲国际电影节最佳男主,影片同时斩获最佳影片荣誉

沈腾凭《欢迎来龙餐馆》获亚洲国际电影节最佳男主,影片同时斩获最佳影片荣誉

极目新闻
2026-11-20 19:22:32
特朗普从中国返美途中发文:这是一次伟大且意义深远的访问

特朗普从中国返美途中发文:这是一次伟大且意义深远的访问

极目新闻
2026-11-20 09:35:13
千亿老板拎包,陪老父亲逛商场购物,再大的老板在爹面前也是孩子

千亿老板拎包,陪老父亲逛商场购物,再大的老板在爹面前也是孩子

Mz娱乐前沿
2026-11-19 21:01:32
陈伟霆儿子近照曝光!何穗晒小win走路画面好温馨

陈伟霆儿子近照曝光!何穗晒小win走路画面好温馨

阿废冷眼观察所
2026-11-20 06:49:22
这是中国最不要脸的一个群体,无耻之极,世所罕见!

这是中国最不要脸的一个群体,无耻之极,世所罕见!

晓楖科普
2026-11-11 13:09:39
足协杯决赛:海港vs玉昆,12月6日决战苏州

足协杯决赛:海港vs玉昆,12月6日决战苏州

懂球帝
2026-11-20 21:41:51
7分+6分+10分!年薪超5000万美元!马刺想要冲冠,这人必须交易

7分+6分+10分!年薪超5000万美元!马刺想要冲冠,这人必须交易

钱说体育
2026-11-20 22:28:50
河南“骑行大佬”刘旭去世,年仅33岁有田有店,友人曝死因太可惜

河南“骑行大佬”刘旭去世,年仅33岁有田有店,友人曝死因太可惜

嫹笔牂牂
2026-11-20 07:28:58
好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

好奇查了一下黄仁勋的出身,不查不知道,一查惊讶了,原来黄仁勋根本不是什么大富豪家庭,而是普通的知识分子家庭。

回京历史梦
2026-11-15 06:35:06
脑梗住院的人飙升!医生含泪苦劝:无论多大年纪,天冷坚守5原则

脑梗住院的人飙升!医生含泪苦劝:无论多大年纪,天冷坚守5原则

路医生健康科普
2026-11-11 23:20:03
一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

一路走好!不到72小时,已有3位名人被曝去世,个个都让人惋惜

往史过眼云烟
2026-11-20 12:06:15
文班亚马32+11+3无缘今日最佳!对不起,你碰到创新高的利拉德了

文班亚马32+11+3无缘今日最佳!对不起,你碰到创新高的利拉德了

微评体育圈
2026-11-20 12:16:58
1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

1988年,他喝醉了,把家里23岁的小保姆错认成自己的妻子。保姆没作声,第二天,保姆表示自己什么也不要。

回京历史梦
2026-11-19 09:21:15
终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

终于不准跌了?中央部委明确!明后两年,除了买房,你可能无选择

混沌录
2026-11-20 10:25:16
CBA杯16强定4席!天津坐收渔利直通,广州击败香港拿够净胜分

CBA杯16强定4席!天津坐收渔利直通,广州击败香港拿够净胜分

乒桢泳球
2026-11-20 17:53:57
斯坦丘致谢队友:是你们成就了更好的我,友谊永远都在

斯坦丘致谢队友:是你们成就了更好的我,友谊永远都在

懂球帝
2026-11-20 21:30:39
2026-11-20 23:08:49
光子星球 incentive-icons
光子星球
细微之处,看见未来!
1702文章数 2159关注度
往期回顾 全部

科技要闻

Anthropic收涨17.1%,市值一度破2万亿美元

头条要闻

"花坛藏尸案"凶手不服死刑判决 已提起上诉

头条要闻

"花坛藏尸案"凶手不服死刑判决 已提起上诉

体育要闻

脚步未停!西班牙摩托车手赤脚徒步入境中国

娱乐要闻

官媒发文 官宣赵丽颖新身份,进步很大

财经要闻

最大回撤超37%,黄金崩盘了吗?

汽车要闻

35万级MPV的满配答案 享界V8正式上市售31.98万起

态度原创

亲子
教育
时尚
本地
军事航空

亲子要闻

女孩的快乐是爸爸最大的创新动力!

教育要闻

小鹿爱学,开启 AI 教育普惠时代

《后会友期》的癫,还得她们治

本地新闻

43年起落记忆倒计时,去厦门高崎领绝版登机牌!

军事要闻

沙特首都第一高楼遭袭:炮弹从天而降

无障碍浏览 进入关怀版