Ant Group、1240億パラメーターを備えたマルチモーダルモデル「Ling-3.0-flash-VL」をオープンソース化

火星財經の情報によると、9月9日、蚂蚁グループはオープンソース公告を発表し、百靈シリーズの最初のネイティブマルチモーダル大モデル「Ling-3.0-flash-VL」を正式にリリースし、オープンソース化しました。このモデルはLing-3.0-flashのMoEアーキテクチャを拡張したもので、総パラメータ数は124B、1回の推論で5.5Bのパラメータが活性化されます。画像、テキスト、動画の入力をネイティブにサポートし、コンテキストウィンドウは256Kトークンに達します。「より信頼性があり、より効率的に現実のタスクを完了する方法」をめぐり、Ling-3.0-flash-VLは以下の方向性に重点を置いています。大規模モデルに視覚機能を追加することに対する一般的な懸念は、テキストの知能が低下することですが、訓練実践では逆の結論が示されています。ネイティブなマルチモーダル共同学習は、アプリケーションの境界を拡張するだけでなく、テキストの知能も向上させています。Ling-3.0-flash-VLは視覚的フィードバックメカニズムを導入し、実行結果を観察し、目標と比較して偏差を発見し、継続的に修正することで、タスクを一回限りの「生成」から「観察→行動→検証→修正」の閉ループへと変革し、実行結果の信頼性を高めています。Ling-3.0-flash-VLは、Ling-3.0-flashがエージェントワークフローにおいて効率的な実行ノードとして持つ核心的な利点を継承し、視覚的フィードバック閉ループの中で出力品質と実行効率を両立させ、より低コストでより短時間で完全なタスクを推進します。