螞蟻集團宣布開源多模態大模型Ling-3.0-flash-VL

BiRun 訊，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。模型基於 Ling-3.0-flash 的 MoE 架構拓展而來，總參數量為 124B，單次推理激活 5.5B 參數，原生支持圖像、文本與視頻輸入，上下文窗口達到 256KToken。

圍繞「如何更可靠、更高效地完成眞實任務」，Ling-3.0-flash-VL 重點探索以下方向：

給大模型加上視覺能力，一個普遍的擔憂是它會拉低文本智能。但訓練實踐給出了相反的結論：原生多模態聯閤訓練不僅拓展了應用邊界，也拉昇了文本智能。Ling-3.0-flash-VL 引入了視覺反饋機製——觀察執行結果、對比目標、發現偏差、持續脩正——把任務從一次性的「生成」，變成「觀察→行動→驗証→脩正」的閉環，讓執行結果更可靠。

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覈心優勢，在視覺反饋閉環中兼顧輸出質量與執行效率，以更低成本和更短時間推進完整任務。