蚂蚁百灵最新模型 Ling 3.1 Flash 的测评报告来了。刚刚在小破站上做完了直播，这次测试用的还是博客上那一套 V2.2 Benchmark，总共 6 道题，详细的 case 大家可以去博客上看。在这里也能翻到 3.0 版本之前的测试结果——当时只有 19 分，分数非常低，所以这次很想看看能不能好一点。接入方式依然是在 PI 平台上，官方文档里最新的信息还停留在 3.0，应该还没来得及更新；3.0 的思考深度只有开和关两档，所以这里也按这个来设置，直接打开。

第一题是强约束指令遵循的句子生成测试，要求每句话的结尾按 1 到 10 的顺序排列，再看句子是否通顺。整体句子都偏短，除了第 5 题读起来不太顺，其他都还好。第二题是鹈鹕土星环骑自行车的 SVG 测试，整体实现一般：转弯的部分肯定有问题，可以说根本没有转弯，到右边下来之后就开始倒着骑了；而且两只鹈鹕的脚明显在同一边，因为自行车根本没有挡住另一只脚。

第三题复合弓射箭的 SVG 测试问题就更多了。首先复合弓和人物的比例就不对，感觉是个小人国的小人拿着巨弓；其次复合弓的副弦没有看到；第三，箭的箭羽是反的；第四，小人拉弓的时候抓的不是箭羽部分，而是箭的中间；第五，箭是平射出去的，飞着飞着突然就往上飙升，变成抛物线了。最后这个小人可以说是我们测评过这么多模型以来，实现得最水最抽象的一个。

第四题是做一个精美的浏览器操作系统，整个 UI 看上去有点赛博朋克的感觉。右上角的弹窗点击时间后弹出的是控制中心，其实更应该弹出日历，而且这个控制中心第一行里的开关 UI 设置得也不好，有点挡住背后的内容，其他没有什么问题。再看 Dock 栏的应用，Finder 的 UI 也有问题——左下角的文字布局不行，第一行还是竖着排的，没什么美感可言，不过其他功能没什么问题。

压轴的太空射击游戏，上下左右按键控制没有问题，按下 space 键子弹也能发射，但是一旦长按 space 连续发射子弹、再移动一下方向，子弹就不能发射了，所以很难控制；另外飞机是在平面里做上下左右移动的，并不是立体地往敌机方向移动，所以你只需要移动一下，就会发现子弹是从垂直于飞机肚子的方向射出去的。第五题的 3D 赛车游戏根本不叫赛车，你看那密密麻麻的路障，这是在走迷宫，不是在赛车。

第六题是无第三方库实现一个高颜值的待办看板。待办卡片刚输入完想按回车确定，它就直接变成打开待办编辑框了，这个 UI 交互是不行的；而且编辑框的 UI 也比较简陋，对齐、空间和按钮的 UI 都不是很好看。继续看其他功能，倒没有发现什么问题。整个测评下来，大家对这个模型怎么看呢？评论区聊聊吧。

其他模型测评排行榜请看这里：https://www.techgogogo.com/llm-benchmark/