蚂蚁集团开源 Ling-3.0-flash-VL，首个原生多模态模型引入视觉反馈闭环
蚂蚁集团推出并开源百灵系列首个原生多模态模型 Ling-3.0-flash-VL。该模型基于混合专家（MoE）架构，总参数量为 1240 亿，但单次推理仅激活 55 亿参数；原生支持图像、文本和视频输入，上下文窗口达到 25.6 万 Token。模型引入视觉反馈闭环，可持续执行“观察、行动、验证、修正”流程，用于医疗报告解读、代码生成和 GUI 自动化等任务。蚂蚁集团称，模型在 Image-to-WebDev 评测中的得分高于 GPT-5.4，但这一比较来自公司发布的信息。BF16 和 FP8 版本已在 Hugging Face 及 ModelScope 开源，FP4 和 INT4 版本计划后续发布。
本文来源：IT之家，仅供学习参考，版权归原作者所有。