蚂蚁集团开源多模态大模型 Ling-3.0-flash-VL

该模型基于MoE架构，总参数量124B，原生支持图文视频输入，引入视觉反馈机制提升任务执行可靠性。

据 Woofun AI 消息，蚂蚁集团于 9 月 9 日正式发布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，总参数量为 124B，单次推理激活 5.5B 参数，原生支持图像、文本与视频输入，上下文窗口达到 256KToken。

Ling-3.0-flash-VL 引入视觉反馈机制，通过观察执行结果、对比目标、发现偏差及持续修正，将任务从一次性生成转变为闭环流程。该模型继承了前代在 Agent 工作流中的高效执行优势，旨在以更低成本和更短时间推进完整任务，同时原生多模态联合训练被证实能拉升文本智能。