蚂蚁集團開源多模態模型 Ling-3.0-flash-VL，參數達 124B

火星財經訊息，9 月 9 日，螞蟻集團開源公告稱，正式發布並開源百靈系列首個原生多模態大模型 Ling-3.0-flash-VL。該模型基於 Ling-3.0-flash 的 MoE 架構擴展而來，總參數量為 124B，單次推理激活 5.5B 參數，原生支援圖像、文本與視頻輸入，上下文窗口達 256K Token。 圍繞「如何更可靠、更高效地完成真實任務」，Ling-3.0-flash-VL 重點探索以下方向： 為大模型增添視覺能力，普遍的擔憂是會降低文本智能。但訓練實踐得出了相反的結論：原生多模態聯合訓練不僅拓展了應用邊界，也提升了文本智能。Ling-3.0-flash-VL 引入了視覺反饋機制——觀察執行結果、對比目標、發現偏差、持續修正——將任務從一次性「生成」轉變為「觀察→行動→驗證→修正」的閉環，使執行結果更可靠。 Ling-3.0-flash-VL 繼承了 Ling-3.0-flash 在 Agent 工作流中作為高效執行節點的核心優勢，在視覺反饋閉環中兼顧輸出品質與執行效率，以更低的成本和更短的時間推進完整任務。