发生了什么
蚂蚁百灵在 Ling-3.0-flash 之后放出专用版本 Ling-3.0-flash-Sante，方向是医疗。结构仍是 MoE：总参数 1240 亿，每个 token 只激活约 51 亿，上下文窗口 25.6 万 token，许可证为 MIT。权重已在 Hugging Face 开放，官方提供 SGLang 与 vLLM 两套部署配方，并强化了文献检索、工具调用与多智能体协作，目标是支撑长流程医学研究而不是单轮问答。
- 评测：HealthBench Professional 由 45.73 升至 54.29；复杂医学推理由 65.22 升至 76.92，提高 11.7 分（均为官方自报）
- 显存现实：仓库体量约 255GB，模型卡头标 1240 亿，仓库文件清单另报 127B 张量，两者是不同口径的公开描述；SGLang 示例用 4 卡张量并行、单卡 141GB 级，80GB 的 H100/H800 需升到 8 卡
- 两套配方不可混用：SGLang 用 lmsysorg/sglang:dev-Ling-3.0-flash 镜像，vLLM 走 Ling 兼容构建并启用 ling3 工具与 reasoning 解析器、前缀缓存与三 token 投机解码
- 本地部署仍有自有成本：开放权重不等于免费算力，推理机的电费、调度与运维要单独算
为什么垂直模型值得单看
通用模型在专业医疗基准上长期吃亏，差距不在知识量，而在任务形态：读一叠相互矛盾的摘要、区分报告里的相关性与因果结论、指出缺失信息、把结论挂回原文段落。这类能力靠通用后训练很难补齐。开源权重的实际意义在于数据边界——病历、影像、基因序列不出院，模型跑在自有卡上，这在多数地区的合规框架下是硬约束，不是偏好。
分数提升的幅度也值得注意：HealthBench Professional 从 45.73 到 54.29 是 8.56 分，复杂推理提高 11.7 分。对研究型场景这是可用的改进，但离临床决策的距离仍由「是否做过湿实验或前瞻验证」决定，而不是由基准分数决定。
落地前要过的四道关
- 定位：官方写明这是研究模型，不是医疗器械，也未经临床验证；任何涉及个体的判断都不能以它为依据
- 硬件：先算清真实显存与成本，1240 亿总参数不会因为「只激活 51 亿」而从内存账本上消失
- 评测口径：HealthBench 不是临床终点，且分数为自报；上线前应在自家任务上做可复核对照，把「不支持的主张」与「漏掉的事实」分开计分
- 工具链：若接检索，必须保留检索回来的原文段落，逐条核对答案是否真的引用了被检索到的材料
结论
这家公司一周内连发两次医疗向更新，节奏说明垂直赛道正在被单独当作产品线经营。对医院信息中心与医疗 AI 团队，它的现实价值是一个可自托管的强基线：可以拿来做文献综述、病历结构化、指南问答的内部评测，但当前适合「辅助研究」而非「辅助诊断」。是否进入生产，取决于自家数据上的对照结果，而不取决于榜单。