ChainThink, 9 septembre : selon un communiqué officiel, Ant Group a officiellement lancé et rendu open source le premier modèle de langage multimodal natif de la série Ling, Ling-3.0-flash-VL.
Ce modèle est une extension de l'architecture MoE de Ling-3.0-flash, avec un total de 124 milliards de paramètres et 5,5 milliards de paramètres activés lors d'une inférence unique. Il prend en charge nativement les entrées image, texte et vidéo, avec une fenêtre de contexte de 256 000 tokens.
Introduisez en parallèle un mécanisme de retour visuel pour transformer l'exécution des tâches d'une génération unique en une boucle fermée « observer → agir → vérifier → corriger », tout en conservant la capacité de Ling-3.0-flash à servir de nœud d'exécution efficace dans le flux de travail de l'Agent.
