轻量快速版模型在两个平台同时靠前
轻量快速版对话模型：响应更快、成本更低，适合放进客服与助手类应用承接日常问答（激活 23B，单机可部署）。
HF 点赞 532·24H +4
Flash 推理
平台期各厂商以 Flash 命名的轻量高吞吐版本
HF 本周新增 242点赞4个项目在榜92篇热门文章
242
Hugging Face 本周新增点赞
方向介绍
这是什么
各家大模型以 Flash 命名的轻量或高吞吐版本的集合：形态上是同一旗舰的加速版，主打高并发在线调用下的低延迟，有的以稀疏结构把单次激活压到很小，有的直接面向线上服务而非本地小机器，有的以更低成本承接私有化部署。成员跨越多个厂商，覆盖通用对话、长上下文、多模态等不同定位。它们通常与旗舰同批发布，是厂商把能力推向生产环境的落地形态。
为什么现在火
模型落地进入算账阶段，团队更关心单位请求的成本与延迟而非榜单分数；Flash 这类版本把吞吐与延迟摆在前面，正好对上线上服务需求，因此新版本一发布就容易进入流水线级采用，持续占据模型榜前列。
热门项目
4新版本在多个平台进榜，稀疏架构受关注
MiniMax 的稀疏旗舰快速版：总参数 220.5B、单次只激活 23B，适合自建服务做高并发推理（需多卡部署）
HF 点赞 531·24H +8
轻量版老牌模型仍被大量下游调用
智谱的轻量快速版模型：激活 18B 承接日常调用，320B 总参数需多卡部署，适合已有集群的团队换成低成本版本。
HF 点赞 3,019
轻量版大模型进入热度前列
大模型的轻量版本：总参数 572B、激活 25B，以低激活量换取可接受的显存开销，适合在有限多卡环境下做长上下文推理。
HF 点赞 101·24H +1
热门文章
92刚开源就冲上热度榜前列：220.5B 总参只激活 23B，这次押的是什么
最近这半个月，AI 圈有点像过年。
权重刚开源，M3.1 Flash 先交出一份「三天百万亿 Token」的成绩单
10 月 23 日，MiniMax 把 M3.1-Flash 的完整模型权重开源到本仓库。但真正让开发者圈讨论起来的，不是权重本身，而是权重背后那份先跑出来的流量成绩单：官方口径，M3.1 Flash 上线后 72 小时内处理的 Token 超过 100 万亿（即「三天百万亿」）。这个数字出自上线初期的第三方报道，与 MiniMax 官方 10 月 19 日发布的模型信息可以互相印证——在亮明身份之前，它的早期版本还曾以匿名身份「Space Bunny」在 OpenCode 的公开调用榜上连霸 12 天日榜第一。
刚开源就冲上魔搭第2！Ling-3.1-flash 发布24小时全解读：560B MoE、1M上下文、限时白嫖
2026 年 9 月 30 日，蚂蚁百灵团队正式发布 Ling-3.1-flash：约 560B 总参数、每 Token 仅激活 25B 参数的混合线性 MoE 架构，官方宣称上下文窗口上限达 1M Token，同时宣布"限时两周免费体验"。发布后不到 24 小时，该模型便冲上 ModelScope（魔搭社区）热门榜单第 2 位，社区随即涌现大量接入实测与部署教程。本文基于 ModelScope / Hugging Face 上架的官方权重仓库（即 hf_mirrors/inclusionAI/Ling-3.1-flash），逐层拆解这批参数的真正含义、源码中的架构证据，以及"限时免费"这一定价打法背后的商业逻辑。
匿名代号揭面两天后就开源：M3.1 Flash 的发布节奏为什么这么赶
过去一个月，开发者圈子里流传着一只"神秘的兔子"。9 月下旬，一个叫 Space Bunny 的匿名模型悄悄出现在 OpenCode 的模型列表里，没有厂商署名、没有跑分榜单、甚至没有公开定价。但它硬是靠真实调用量，在 9 月 24 日到 10 月 5 日连续 12 天霸占该平台每日 Token 使用量榜首——9 月 30 日单日处理量冲上 10 万亿 Token，9 月 28 日 OpenCode 官方还在发帖庆祝它"连续 5 天第一、累计 40T Token"。
蚂蚁轻量线半年连开两枪：Ling-3.1-flash 接棒 tiny，开源节奏突然提速意味着什么
2026 年 9 月 30 日，蚂蚁百灵发布 Ling-3.1-flash：约 560B 总参数、每 Token 仅激活约 25B、上下文上限拉到 1M，先限时免费两周，再按计划开源权重。如果回看这条产品线的轨迹——7 月 Ling-3.0-flash、8 月前后 Ling-3.0-tiny、9 月底 Ling-3.1-flash——半年之内，轻量线的"三连发"已经不再是补位，而是一套被刻意加速的家族化打法。本文结合全网社区情报与仓库源码（模型权重、配置与建模文件均已就位），拆解这次提速背后的定位逻辑、架构真相，以及它留给开发者的选型窗口。
GB200上飙出100 tok/s：GLM-5.3把开源推理卷上新高度
"开源模型能跑"与"开源模型好用到让人愿意为它付钱"之间，隔着一道名为推理速度的坎。过去一年，开源社区的共识是：一个 300B 量级的 MoE 模型，能在一张 H100 上跑到 30～40 tok/s 已算优秀；能顶着 1M 上下文还保持流畅，几乎只能靠云厂商的独家优化。而这一次，GLM-5.3-Flash 在英伟达 GB200 平台上飙出了 100 tok/s 的单流生成速度，直接把"开源推理"这个赛道卷到了新的高度。本文从全网舆情出发，回到 zai-org/GLM-5.3-Flash 仓库源码内部，拆解这个数字是怎么被设计出来的，以及它对自建集群与云上部署意味着什么。
发布当天就被国产 GPU 跑通：Day-0 适配潮到底在抢什么
10 月 19 日 20:20，MiniMax M3.1 Flash 上线 API；10 月 20 日，那只在 OpenRouter 上匿名跑了两百多万亿 token 的 "Space Bunny" 被认领；10 月 23 日，摩尔线程与沐曦几乎同时挂出 "Day-0 适配完成" 的公告。再往前看一层，随权重一起放出的 FlagOS 文档里，已经躺着九家芯片厂商的 W8A8 仓库地址。
四个渠道同一天在聊同一件事：M3.1 Flash 开源为何引发共振
10 月 23 日，MiniMax 把 M3.1-Flash 的权重推上了公开仓库。几乎在同一时间窗内，四类完全不同的信源同时开了口：财经媒体在算"三天一百万 token 亿级吞吐"和股价，技术社区在贴 Claude Code 里的 token 账单，芯片厂在发 Day-0 适配公告，云聚合平台在上架报价单。
这次真给了！蚂蚁随 Ling-3.1-flash 同步开源 6 大训练关键节点，开发者呼声有了落地
2026 年 9 月底，蚂蚁百灵新一代即时模型 Ling-3.1-flash 正式发布：约 560B 总参数、每 Token 激活 25B，上下文窗口上限直达 1M，并面向复杂真实世界任务做了架构级升级。但比参数表更让社区兴奋的，是随模型同步公开的一组"训练关键节点"——用媒体的话说，"开发者要基座模型，蚂蚁真给了"。长久以来，开源大模型社区最大的怨念不是"没有权重"，而是"只有权重"：架构代码、配置、甚至训练配方的透明度，常常和发布声势不成正比。这一次，蚂蚁把训练透明化摆到了台面上。本文结合社区报道与仓库源码，拆解这次"开源含金量"到底在哪，以及它对国内开源生态意味着什么。
Flash家族换代信号：智谱GLM-5.3-FlashX刚上线，更快更流畅
2026年9月18日，智谱宣布 GLM-5.3-FlashX 正式上线，官方给出的关键数字是"最高 200 tokens/s"。在开源模型推理速度普遍被当作"卖点文案"的当下，这个数字之所以值得认真对待，是因为它背后站着一个已经被市场验证过的模型本体：GLM-5.3-Flash。就在一个月前，Flash 还以 "Ox Alpha" 的匿名身份在 OpenCode 与 OpenRouter 上跑成了当周最流行的开源模型，而支撑那次匿名测试的全部流量，都由十万张国产 AI 芯片承担。本文结合官方发布信息、社区一线情报与本仓库的开源权重，拆解 FlashX 的"快"从何而来，以及它对现有 Flash 开发者意味着什么。