蚂蚁集团今日宣布推出并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于Ling-3.0-flash的MoE混合专家架构拓展，总参数量达124B，单次推理仅激活5.5B参数，原生支持图像、文本与视频输入，上下文窗口达256K Token，能够同时处理长文档与长视频分析任务。模型已在Ling Studio上线免费体验，BF16和FP8版本同步登陆Hugging Face及ModelScope平台。
Ling-3.0-flash-VL围绕“更可靠、更高效完成真实任务”的方向，引入视觉反馈闭环机制。不同于一次性的“看图生成”，该机制将任务推进为“观察→行动→验证→修正”的持续闭环，使模型在医疗报告解读、前端代码生成及GUI自动化等场景中能够基于视觉反馈持续修正执行结果。在Image-to-WebDev Arena官方评测中，该模型（代号linthium）得分高于GPT-5.4；作为GUI Agent时可识别界面结构并完成跨工具操作，在医疗报告解读场景中支持跨文档数据整合与风险标识。训练层面，通过原生多模态联合训练，视觉信息的引入对文本能力带来正向提升，在Artificial Analysis Intelligence Index v4.1.1评估中较纯文本版本提升4分。
技术架构上，模型引入任意分辨率视觉编码器与VideoRoPE，语言主干沿用42层混合架构（交替排列KDA与Gated MLA，比例5:1），在实时视频对话、多轮视觉交互及长时任务中可保持低延迟响应。蚂蚁集团表示，FP4和INT4量化版本计划于近期发布，以进一步降低部署门槛，推动多模态AI在真实业务场景中的落地应用。
原创文章，作者：小丸子，如若转载，请注明出处：https://www.kejixun.co/article/761599.html
