这段时间，我观察到行业里出现了一个很有意思的变化。

在过去，我们评价一个大模型的能力，主要看的还是跑分、榜单这些。

但今年6月，OpenAI发布的一项研究里提到，当月有超过70%的Codex用户，都曾把原本需要人类工作一小时以上的任务交给AI。

「Agent正在把知识工作的基本单位，从一次对话变成被委托的长程任务。」

METR近期也提出了一个类似的指标，它不只统计模型答对多少题，而是把任务换算成人类专家原本需要投入的时间，再看AI能以多高的成功率完成。

换句话讲，AI真正的能力单位，正在从答对多少题，变成到底能连续工作多久。

1当然，我们说的AI连续工作，肯定不是让它在聊天框里思考一小时，或者故意让用户等得更久。

真正重要的，是模型能不能接住一个复杂任务，并在中途不断处理新情况。

我们可以对标我们人类现实里的工作。

现实里人类处理任务，其实很少有做一步就直接结束的，写一篇文章可能会遇到来源冲突，做一个网页也可能出现代码报错。

这也是为什么长上下文不等于长程执行。

上下文很长，只能说明模型可以装下更多信息。但至于它能不能记住目标，出错之后又能不能接着做，又是另一回事。

假设一个模型每一步都有99%的成功率，当任务增加到50步时，完整跑通的概率也只有约61%。

很多Agent并不是不会做某一步，而是在漫长的过程中逐渐偏离了目标。

2在这个背景下，我们来分析蚂蚁百灵刚发布的Ling-3.0-flash，就会发现它最值得关注的点并非参数大小。

这款模型有124B总参数，每个Token只激活约5.1B参数。这就像是一家公司拥有很多部门，但每次接到任务时，只让真正相关的人参与。

这种设计保留了较大的能力容量，同时降低了每一步推理的计算量。

对普通聊天来说，省下一点算力或许没有那么明显；可一旦模型连续调用工具，运行几十个步骤，单步成本就会被不断放大。

5.1B激活参数真正对应的，不只是快一点，而是复杂任务能不能以可接受的成本持续运行。

3官方还提到，Ling-3.0-flash还针对Agent做了专门优化，在超过一万个可交互环境中进行了训练，也引入了对完整执行轨迹的复盘。

模型需要从工具反馈和失败记录中继续学习，而不是只对照一道题的标准答案。

比如，下面这个Blender自动化建模的demo，就是一个很直观的例子。

用户只给出一句需求，Ling-3.0-flash需要先通过Blender MCP进入软件，再编写Python脚本，把高架道路和摩天大楼逐渐搭建起来。

场景基本完成后，它还要处理材质，设置摄像机路径，最后渲染出一段航拍视频。

而且这个场景最困难的地方在于，前一步改变了场景，后面的操作就要根据当前状态继续推进。

遇到结果和预期不一致时，Ling-3.0-flash还得理解软件给出的反馈。

这和在聊天框里一次性写出一段代码完全不同，因为模型需要接触一个会不断变化的环境，也需要为最后的结果负责。

长程执行能力，真正要解决的就是这种过程。

4当然，大部分人肯定也不会每天让AI在Blender里建一座城市。

真正贴近日常的变化，是我们交给AI的任务会慢慢变长。

比如在办公场景下，我们想准备一份立项方案，手上可能只有几份凌乱的草稿和一张预算表。

过去，我们需要先调整Word里的标题层级，再检查Excel公式，最后还要把两边的内容重新汇总。

但接入Office MCP以后，Ling-3.0-flash可以直接打开这些文件。

它会整理提案格式并生成目录，遇到预算数据时，也能继续核对SUMIF公式和透视表。处理完成后，再输出一份规范文档和方便查看的PDF长图。

模型的价值不再只是少写几段文字，更实际的衡量方式是，任务交出去以后，人还要回来接管几次。

5所以未来的AI，到底会变成一个大而全的模型，还是由很多模型一起工作？

我的判断是，用户看到的入口会越来越统一，但系统内部会更像一个组织。

Ling-3.0-flash采用的MoE，本身已经是一种模型内部的专家分工。

到了外部，通用模型还可以根据任务调用专业模型，必要时再安排多个Agent合作。

比如我们可以看下面这个自主科研大盘的案例。

拿到一个研究课题后，Ling-3.0-flash会把提出假设、搜索文献、分析数据和整理成果交给不同角色，过程中还安排了交叉验证者，专门质疑现有证据。

如果发现某个结论站不住脚，就会把问题退回去重新讨论，最后再生成论文和演示文稿。

当然，这也并不意味着Agent越多越好。

真正有效的协作，还要看不同角色有没有带来新的信息，以及它们能不能发现彼此的问题。

因此，未来真正成熟的AI系统，未必会把所有问题都交给最强模型。它更需要判断什么时候自己完成，什么时候再寻找帮手。

下一阶段最有竞争力的模型，可能不只要在一分钟内给出聪明答案，还要在一个小时后记得用户最初要什么，并把事情可靠地做完。