这周开源圈挺密集。OCR新模型把KV Cache压成常数，RAG引擎RAGFlow继续把检索和Agent揉在一起，蚂蚁百灵放出Ling-3.1-flash-1019，冲着Personal Agent去的。三条线看着不搭，解决的是同一个问题：让模型读得懂长上下文，找得到对的信息，把任务干完。
先说OCR。新模型把KV Cache压成常数，页数不再有上限，缓存直接砍掉96%。几百页的PDF丢进去，显存和延迟不会跟着页数线性涨。OCR 3.0的门槛一下低了不少，长文档解析从“分批切”变成“一次过”，成本账完全不一样了。
RAGFlow干的事很明确：开源RAG引擎，RAG和Agent能力都装在里面，给LLM搭一层上下文。企业想自建知识库问答或者文档Agent，不用从零拼检索链路，拿现成引擎改就行。它和上面的OCR模型正好互补，一个把文档读进来，一个把内容找出来。
蚂蚁百灵这边，10月28日正式开源Ling-3.1-flash-1019。Artificial Analysis Intelligence Index v4.3.2拿到44分，比上一版高3分。同步开源的还有基础模型Ling-3.1-flash-base，给长程任务的知识、推理和计算效率打底。方向很清楚，Personal Agent得能干真实任务。
三件事放一起看，开源模型正在补上下文层缺的三块拼图：读得懂、找得到、干得成。以前这些要么靠闭源API，要么自己拼半年。现在拖进项目就能用，成本差一个量级。