ChainThink повідомляє, 9 вересня, згідно з офіційним оголошенням, Alibaba Group офіційно запустив та відкрив код першої нативної багатомодальної великої моделі серії Ling-3.0-flash-VL.
Модель розширена на основі архітектури MoE Ling-3.0-flash, загальна кількість параметрів — 124 млрд, під час одного висновку активується 5,5 млрд параметрів, нативно підтримує введення зображень, тексту та відео, вікно контексту досягає 256 000 токенів.
Одночасно введено механізм візуальної відгуку, що перетворює виконання завдань з одноразового генерування на замкнений цикл «спостереження → дія → перевірка → корекція» і продовжує здатність Ling-3.0-flash бути ефективним виконавчим вузлом у робочому процесі агента.
