据 BlockBeats 报道,9 月 9 日,Ant Group 发布并开源了 Ling-3.0-flash-VL,这是其 Ling 系列首个原生多模态模型。该模型扩展了 Ling-3.0-flash 的混合专家架构,总参数量达 1240 亿,每次推理激活 55 亿个参数。该模型原生支持图像、文本和视频输入,并拥有 25.6 万代币的上下文窗口。
该模型融入了视觉反馈机制,可实现迭代式任务执行循环:观察结果、与目标进行比较、检测偏差并优化输出。这将一次性生成转变为闭环工作流,在保持 Ling-3.0-flash 作为 Agent 执行节点的效率优势的同时,提高执行可靠性。