ITCOW牛新网 9月9日消息，蚂蚁集团发布并开源百灵系列首款原生多模态大模型Ling‑3.0‑flash‑VL。该模型基于Ling‑3.0‑flash MoE混合专家架构拓展，总参数124B，单次推理仅激活5.5B参数，原生支持图像、文本、视频输入，上下文窗口达256K Token。
模型核心创新为视觉反馈闭环机制，区别于普通一次性看图生成，形成“观察→行动→验证→修正”的循环流程，可在医疗报告解读、前端代码生成、GUI自动化等任务里依据视觉反馈不断修正输出结果。经过原生多模态联合训练，视觉输入反过来提升文本能力，评测得分相比纯文本版本高出4分。
实际测试中，它可以解析图片布局生成网页代码并自我校验修正；Image‑to‑WebDev Arena评测成绩超过GPT‑5.4；也能作为GUI智能体识别界面完成跨工具操作，还支持医疗报告跨文档整合、风险标记。硬件技术层面搭载任意分辨率视觉编码器、VideoRoPE，语言主干为42层混合架构，兼顾实时视频对话、长时多轮视觉任务的低延迟表现。
体验与开源方面，Ling‑3.0‑flash‑VL已在Ling Studio上线免费试用；BF16、FP8版本现已上传Hugging Face、ModelScope开源平台，FP4、INT4轻量化版本会在近期放出。