- 发布日期
蚂蚁百灵系列首个原生多模态模型 Ling-3.0-flash-VL 发布开源，引入视觉反馈闭环机制
- 作者
- 姓名
- 荷鲁斯快报
- 社交账号
蚂蚁集团于9月9日正式发布并开源了其百灵系列的首个原生多模态大模型Ling-3.0-flash-VL。这一新模型标志着蚂蚁在人工智能领域的重要进展，它基于此前的Ling-3.0-flash模型采用的MoE（混合专家）架构进行拓展，总参数量达到124B，而单次推理仅激活5.5B参数，使其在保持强大能力的同时具备高效性。
该模型的核心设计围绕“更可靠、更高效完成真实任务”的方向。它原生支持图像、文本与视频的输入，并将上下文窗口扩展至256K Token，这为处理长文档和长视频分析提供了坚实基础。与传统“看图生成”的一次性交互不同，Ling-3.0-flash-VL引入了创新的视觉反馈闭环机制。
这一机制将模型的任务执行过程推进为“观察 → 行动 → 验证 → 持续修正”的动态循环。这意味着模型能够基于视觉反馈，对自身输出的结果进行持续优化。在医疗报告解读中，它可以进行跨文档数据整合与风险标识；在前端开发领域，能理解页面布局并生成代码；在GUI自动化任务中，则可识别界面结构并执行跨工具操作。
在训练方法上，蚂蚁集团采用了原生多模态联合训练。研究团队表示，视觉信息的引入不仅没有削弱模型，反而对其文本处理能力带来了正向提升。在Artificial Analysis Intelligence Index v4.1.1的评估中，Ling-3.0-flash-VL的得分比其纯文本版本Ling-3.0-Flash高出4分，验证了多模态融合的有效性。
模型在实际应用测试中表现出色。在Image-to-WebDev Arena官方评测中，其评测代号linthium的得分超越了GPT-5.4。具体而言，在图片转网页任务中，模型能够理解布局与组件关系，并生成相应代码，甚至能通过对比渲染结果来自我修正。作为GUI Agent时，它展现了完成复杂跨应用操作的能力。
从技术架构看，Ling-3.0-flash-VL集成了多项关键创新。它采用了任意分辨率视觉编码器和VideoRoPE，以适配不同尺寸的图像和视频输入。语言主干则沿用了42层混合架构，交替排列KDA与Gated MLA模块，比例为5:1。这种设计确保了模型在实时视频对话、多轮视觉交互等长时任务中能够保持低延迟响应。
目前，Ling-3.0-flash-VL已登陆Ling Studio平台，向用户提供免费体验。同时，模型的BF16和FP8精度版本已在Hugging Face和ModelScope两大平台开源，开发者可直接获取。更轻量的FP4和INT4量化版本也计划于近期发布，这将进一步降低模型的部署门槛，推动其在更广泛场景中的应用与生态建设。
