搜索
蚂蚁百灵系列首个原生多模态模型 Ling-3.0-flash-VL 发布开源
8 小时前
蚂蚁集团正式推出并开源了百灵系列的首个原生多模态大模型——Ling-3.0-flash-VL。该模型在Ling-3.0-flash的MoE架构基础上进行了拓展，总参数量达到124B，单次推理时仅激活5.5B参数。它原生支持图像、文本和视频输入，上下文窗口可容纳256K Token。通过引入视觉反馈闭环机制，该模型能在多种场景下根据视觉反馈修正执行结果。经过原生多模态联合训练，其文本能力得到显著提升，在相关评测中表现优于纯文本版本及GPT-5.4。该模型能够完成图片转网页、GUI跨工具操作、医疗报告解读等复杂任务。它采用了任意分辨率视觉编码器和VideoRoPE技术，语言主干为42层混合架构，可实现低延迟响应。目前，Ling-3.0-flash-VL已在Ling Studio上线供用户免费体验，BF16和FP8版本已在相关平台开源，FP4和INT4版本也计划于近期发布。
