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

📋总体概括

蚂蚁集团9月9日发布并开源百灵系列首个原生多模态大模型Ling-3.0-flash-VL。模型基于Ling-3.0-flash的MoE架构，总参数124B、单次推理仅激活5.5B参数，原生支持图像、文本与视频输入，上下文窗口达256K Token。核心亮点是引入视觉反馈闭环机制，将传统一次性看图生成升级为观察、行动、验证、修正的持续闭环，可用于医疗报告解读、前端代码生成及GUI自动化等场景，训练上采用原生多模态联合训练路线。这是蚂蚁在开源多模态赛道的又一落子。