蚂蚁百灵首个原生多模态模型开源

IT时代网9月9日消息，蚂蚁集团9日宣布推出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的混合专家架构拓展，总参数量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256K Token。模型引入了视觉反馈闭环机制。与一次性的“看图生成”不同，该机制把任务推进为“观察、行动、验证、修正”的持续闭环，使模型在医疗报告解读、前端代码生成及图形界面自动化等场景里，能够依据视觉反馈持续修正执行结果。训练层面，蚂蚁集团称原生多模态联合训练让视觉信息的引入对文本能力产生了正向提升。在Artificial Analysis Intelligence Index v4.1.1评估中，Ling-3.0-flash-VL较纯文本版本提高4分。实测表现上，该模型在图片转网页任务中可以理解布局与组件关系并生成代码，还能通过渲染结果对比自我修正；在Image-to-WebDev Arena官方评测中，代号linthium的版本得分高于GPT-5.4。作为图形界面智能体使用时，模型可识别界面结构并完成跨工具操作；在医疗报告解读场景中，支持跨文档数据整合与风险标识。目前Ling-3.0-flash-VL已在Ling Studio上线并提供免费体验，BF16与FP8版本已在Hugging Face及ModelScope平台开源，FP4和INT4版本计划近期发布。

注：本文综合自IT之家等，文中包含AI辅助创作的内容。

编辑：林一舟