Ling-3.0-flash 权重未发布，三大推理引擎适配现状盘点
社区汇总 Ling-3.0-flash 开源进度与 SGLang、vLLM、llama.cpp 适配进展。
Ling-3.0-flash 由 AntLing AGI 团队推出，采用 KDA + MLA 混合注意力架构，并延续 Ling 系列使用的 Bailing MoE 变体（BailingMoeV2_5）。该模型免费试用窗口将开放至 8 月 3 日，但官方截至目前仅表示「开源发布即将到来」，模型权重尚未上线 Hugging Face。对于关注本地部署的开发者而言，三大主流推理引擎的支持状态更值得关注。
SGLang：承诺首发日支持
SGLang 团队 23 日公开表态，正在与 Ant Ling 团队合作，将为 Ling-3.0-flash 提供 day-0 支持，并将该模型描述为 KDA + MLA 混合注意力架构。但截至发文，SGLang 与 vLLM 仓库内均未见相关公开 PR。
vLLM：权重落地后才会跟进
vLLM 团队的官方声明称支持「即将上线，将在模型权重开源后提供」，并花较大篇幅为「先发布、后开源权重」这一节奏背书，希望其他厂商效仿。这意味着权重发布前不会有可用的代码合并。
llama.cpp：Bailing MoE 才是真正瓶颈
此前社区讨论多关注注意力机制，但 llama.cpp 早已合入 delta-net/KDA 内核（来自 Qwen3.5、Qwen3-Next、Kimi-Linear 等项目）。真正的障碍在于 Bailing MoE 变体的转换路径：
- Ling-2.6-flash（BailingMoeV2_5）特性请求 Issue #22641 于 5 月 3 日提出，仅获 7 个 upvote，无人实现，6 月 18 日被关闭为「not_planned」。
- 更早的 Ling v2 支持 PR #16028 开了近三个月后被关闭，未合并。
- llama.cpp 中唯一落地的 Bailing MoE 是 2025 年 3 月的原始版本，且由 llama.cpp 维护者本人完成，并非实验室贡献。
历史节奏与发布时间线
AntLing AGI 官方 7 月 24 日的发布帖中明确写道：「免费体验持续到 8 月 3 日，开源发布即将到来，敬请期待。」这一关键信息此前在社区讨论中并未被注意到。参照前代 Ling-2.6-flash 的节奏——4 月 22 日宣布、一周免费 API、4 月 28 日权重上线 HF——权重大概率在免费窗口结束后不久发布。
落地顺序预判
基于当前生态准备情况，若权重顺利发布，现实的落地顺序为：
- SGLang：最早，已有合作承诺
- vLLM：紧随其后，权重上线即可跟进
- llama.cpp / GGUF：取决于是否有志愿者提交 Bailing MoE V2_5 转换 PR
作为对比，昨日开源的 K3 模型在权重发布后数小时内即有部分 GGUF 量化版上线 HF，因为相关管道已就绪。Ling-3.0-flash 目前缺乏这一基础设施，GGUF 适配可能需要更长时间。Issue #22641 在关闭前始终无人回答「BailingMoeV2_5 距离可转换还有多远」这一问题。