Ant Group, 124 milyar parametreli çoklu modelli Ling-3.0-flash-VL modelini açık kaynak hale getirdi

Huo Xing Finans haberine göre, 9 Eylül'de Ant Group, açık kaynak duyurusuyla, ilk yerel çok modlu büyük model olan Ling-3.0-flash-VL'yi resmen yayınladı ve açık kaynak hale getirdi. Model, Ling-3.0-flash'in MoE mimarisinden geliştirilerek oluşturuldu ve toplam 124 milyar parametre içeriyor; tek bir çıkarım sırasında 5,5 milyar parametre aktif hale geliyor. Model, orijinal olarak görüntü, metin ve video girdilerini destekliyor ve bağlam penceresi 256K Token'a ulaşıyor. “Gerçek görevleri daha güvenilir ve daha verimli bir şekilde nasıl tamamlayabiliriz?” sorusu etrafında Ling-3.0-flash-VL, aşağıdaki yönleri öncelikli olarak araştırıyor: Büyük modellere görsel yetenek eklemenin, metin akıcılığını düşüreceği endişesi yaygındır. Ancak eğitim deneyimleri tam tersi bir sonuca varıyor: Yerel çok modlu ortak eğitim, uygulama sınırlarını genişletmekle kalmaz, aynı zamanda metin akıcılığını da artırır. Ling-3.0-flash-VL, görsel geri bildirim mekanizmasını tanıtır—çalışma sonucunu gözlemler, hedeflerle karşılaştırır, sapmaları tespit eder ve sürekli olarak düzeltir—görevi tek seferlik bir “üretim”den, “gözlem → eylem → doğrulama → düzeltme” döngüsüne dönüştürür ve sonuçların daha güvenilir olmasını sağlar. Ling-3.0-flash-VL, Agent iş akışlarında verimli bir yürütme düğümü olarak Ling-3.0-flash’in temel avantajını miras alır ve görsel geri bildirim döngüsünde çıktı kalitesi ile yürütme verimliliğini dengeler; bu sayede tam görevleri daha düşük maliyetle ve daha kısa sürede ilerletir.