蚂蚁百灵发布首个原生多模态模型 Ling-3.0-flash-VL，引入视觉反馈闭环机制 · 智迹闻 AuraTracer

摘要由 AI 生成

2026 年 9 月 9 日，蚂蚁集团发布其百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。该模型总参数量为 124B，单次推理激活参数为 5.5B，基于 Ling-3.0-flash 拓展而来，原生支持图像、文本及视频输入，上下文窗口达 256K Token。模型引入了视觉反馈闭环机制，旨在支持医疗报告解读、代码生成及 GUI 自动化等任务。在 Artificial Analysis Intelligence Index v4.1.1 评估中，其较纯文本版本提升 4 分；在 Image-to-WebDev Arena 评测中得分高于 GPT-5.4。该模型采用任意分辨率视觉编码器与 VideoRoPE，语言主干沿用 42 层混合架构。目前，模型已在 Ling Studio 上线并提供免费体…

事件框架EVENT FRAME

产品发布

蚂蚁集团 Ling-3.0-flash-VL 开源首个原生多模态大模型

报道态势 · 每日报道量LANGUAGE SPLIT

实体关系

信号强度SIGNALS

关键词热度

蚂蚁集团1
Inclusion AI1
Hugging Face1
ModelScope1

全部报道（1）SOURCES

↗

I IT之家 zh 2026-09-09 09:23

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

蚂蚁集团发布开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL，总参数量 124B，单次推理激活 5.5B 参数。该模型基于 Ling-3.0-flash 拓展，原生支持图像、文本与视频输入，上下文窗口达 256K Token，引入视觉反馈闭环机制以支持医疗报告解读、代码生成及 GUI 自动化等任务。在 Artificial Analysis Intelligence Index v4.1.1 评估中较纯文本版本提升 4 分；在 Image-to-WebDev Arena 评测中得分高于 GPT-5.4。模型采用任意分辨率视觉编码器与 VideoRoPE，语言主干沿用 42 层混合架构，已在 Ling Studio 上线并提供免费体验，BF16 和 FP8 版本已开源。

存档