【AI 核心摘要】

随着智能体（Agent）能力成熟，Token消耗激增成为大模型落地的核心矛盾。Agent任务输入长度较传统聊天提升两个数量级，频繁工具调用和长程执行也拉长输出链路，带来更高推理算力压力和用户成本。为此，Ling-2.6-flash（104B总参数量，7.4B激活参数）应运而生，它不依赖更长输出，而是通过混合线性架构、Token效率优化和Agent场景定向增强，实现更快、更省、更适合真实业务。在4卡H20下推理速度达340 tokens/s，Prefill吞吐为Nemotron-3-Super的2.2倍；仅消耗15M tokens完成评测，约为同类模型的1/10；在BFCL-V4等Agent基准上达同尺寸SOTA水平。该模型追求智能与成本的平衡，为开发者提供更低推理成本和更高部署效率。

了解更多详细信息，请访问原文：代号为 Elephant Alpha 的匿名模型正式揭晓：Ling-2.6-flash

数据来源：AI Bot