知道更多不是弃答更多这句妙

蚂蚁那边悄悄放出了 Ling 3.1 Flash。新一代推理模型，指数得分直接翻倍。这成绩单我读完先记数字再品细节，记的品的点在下面一层层摆。摆好了看第一组规格。规格在下面摆着，摆好了自己掂。
第一组规格四个数摆开。总参数五百六十亿。激活二百五十亿，上下文一百万词元。八月刚发的前代只有一百二十四亿总参和五十一亿激活。体积翻了四倍多换来的是Artificial Analysis Intelligence Index 从二十干到四十一，二十到四十一这个跳跃在评测史上属于断层级别。

断层的原因写在激活参数和数据配方的双重升级里。升级的第二组是智能体能力的三项对照，对照的名单是三位老熟人，智谱的轻量款、谷歌的轻量高档、深度求索的轻量顶配。三个都被一个新来的追平。

追平的第三项是终端任务和自动化基准的两组百分比。一个六十二一个三十三。两组数字放进轻量档的第一梯队毫无悬念，悬念的第四组在下面摆着。摆好了别眨眼。眨眼就翻过去了。过去一页少一页。少一页都是损失，损失不起的往下看，看下段，下段是那个最扎眼的幻觉对照。

对照读完这篇就通了。通了的散会，散会的礼数最后给，给完就收，收工。工收得干净。干净的收尾不带水，带水的都是没写完，我写完了，写完在下段，下段是最后的门，推开它，推。
智能体那组对照展开说。两个 Elo 分数是一千六百二十二和一千四百，放进同行里正好卡在中间，卡住的三家是智谱 GLM-5.3-Flash、谷歌的 Gemini 3.8 Flash 高档档。

深度求索 DeepSeek V4.1 Flash 顶配。三家轻量老将被一个新兵追平。追平靠的是两组基准的硬分，自动化基准AutomationBench-AA 拿到六十二，终端任务基准 Terminal-Bench v4.0 拿到三十三。

两组分数都进了轻量档的第一梯队。第一梯队的门票今年发得格外多，发得多的原因是轻量档整体在抬。整体抬的时候单项的绝对值就不那么要紧了，要紧的是你有没有抬进同一张桌子。桌子上的座位每年重排一次，重排的信号全写在这几组分数里。

幻觉那组是全篇最狠的。前代的幻觉率是四十四，这代压到三十八，压的同时准确率从十八涨到二十九，尝试率基本没动。这三条线放一起说明一件事。进步来自知道的更多而不是不敢答的更多，不敢答换来的低幻觉是假繁荣，知道的更多换来的低幻觉才是真本事。

真本事的对照组更吓人。同档的深度求索轻量顶配幻觉率标着九十七。九十七这个数在幻觉榜上属于地震级。地震的余波是把知道和敢答这两个概念永远分了家。分了家的第三层是价格。价格表三个数。输入三毛美元输出九毛美元每百万词元，较前代翻了四倍。

翻价的理由是它确实大了四倍而且更省词元。省词元的证据是跑同一套指数只用两亿一千八百万输出词元，比前代少一成六，多花的单价被省下的用量抵掉一部分。抵掉的第四层是每次任务成本。每次任务九毛九美元，高于两位轻量对手的一倍上下但低于谷歌的高档轻量款一块二毛四。三者的位置决定了它坐进了性价比最诱人的那个象限。象限的第五层是我的收尾，收尾在最后一段。
还有一个身价参照值得记。两个 Elo 之一的 GDPval-AA v2 分数一千六百二十二。另一个基准一千四百。两个分数像两把尺子量出了它在同行里的站位。站位不靠喊靠的是可复现的对局记录，记录摆在评测机构的表格里谁都能查。

查得到的分数才有资格进讨论。进讨论的每一分数都在替新兵积累信用。信用攒够了开放权重那天市场自然认账。把数字再念一遍当索引，五百六十亿总参激活二十五亿。上下文一百万，指数四十一。幻觉三十八，准确二十九。

任务成本九毛九。七个数放一页就够做判断用了。最后记一笔它的可用渠道，现在走一家推理服务商就能调，权重按官方说法也快放出来。两条路都通着的模型今年不多见，多见的是先闭源跑半年的。点评两句，第一句是那句来自知道更多不是弃答更多是今年幻觉报道里最值得抄的分析句式。

句式拆穿了多少靠少答换低幻觉的把戏。第二句是开放权重压在路上的消息让这成绩的分量又涨了一截，涨了的回来点赞，句号。