蚂蚁百灵系列首个原生多模态模型 Ling-3.0-flash-VL 发布开源

蚂蚁集团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 架构拓展，总参数量 124B，单次推理激活 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。其引入视觉反馈闭环机制，可在多场景中基于视觉反馈修正执行结果。经原生多模态联合训练，文本能力获正向提升，在相关评测中表现优于纯文本版本及 GPT-5.4，能完成图片转网页、GUI 跨工具操作、医疗报告解读等任务。该模型采用任意分辨率视觉编码器与 VideoRoPE，语言主干为 42 层混合架构，可低延迟响应多类任务，目前已在 Ling Studio 上线供免费体验，BF16 和 FP8 版本已在相关平台开源，FP4 和 INT4 版本计划近期发布。