蚂蚁开源百灵首个原生多模态模型Ling-3.0-flash-VL，引入视觉反馈闭环机制

蚂蚁集团宣布开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL，通过引入视觉反馈闭环机制探索提升多模态长文本与交互任务的执行可靠性。

• 该模型基于 MoE 混合专家架构，总参数量为 124B，单次推理激活 5.5B 参数，上下文窗口达 256K Token，原生支持图文视输入。
• 模型引入“观察 → 行动 → 验证 → 修正”的视觉反馈闭环机制，旨在为前端代码生成、图形界面自动化与长文档解析提供自我修正能力。
• 语言主干采用 42 层交替排列的 KDA 与 Gated MLA 混合架构，并结合任意分辨率视觉编码器与 VideoRoPE。
• 蚂蚁集团已在 Hugging Face 与 ModelScope 平台开源该模型的 BF16 与 FP8 权重版本。
• 影响/看点在于，该模型在较低激活参数下结合视觉反馈闭环，若在复杂 GUI 自动化等任务中保持高准确率，有助于降低长上下文多模态智能体的部署与推理成本。
• 资料依据:
• IT之家（2026-09-09）：https://www.ithome.com/0/999/997.htm
• Hugging Face（2026-09-09）：https://huggingface.co/inclusionAI/Ling-3.0-flash-VL

本内容由 AI 生成，仅供参考，请注意甄别