快速了解本文
蚂蚁集团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，支持观察-行动-验证-修正的持续任务执行。
总参数量 124B，单次激活 5.5B，上下文窗口达 256K Token。
本摘要由 AI 辅助整理，请以正文内容为准。
数智朋克讯 蚂蚁集团发布并开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL，引入视觉反馈闭环机制，使模型从一次性看图生成转向观察-行动-验证-修正的持续任务执行模式。
关键数据
Ling-3.0-flash-VL 基于 Ling-3.0-flash 的 MoE 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。模型引入任意分辨率视觉编码器与 VideoRoPE，语言主干沿用 42 层混合架构，交替排列 KDA 与 Gated MLA，比例为 5:1，在实时视频对话、多轮视觉交互及长时任务中可保持低延迟响应。
视觉反馈闭环机制
模型在执行任务时不再一次性生成结果，而是基于视觉反馈持续修正输出。
视觉反馈闭环机制是该模型的核心差异。模型在执行任务时不再一次性生成结果，而是基于视觉反馈持续修正输出。在图片转网页任务中，模型可通过渲染结果对比进行自我修正；在 Image-to-WebDev Arena 官方评测中，模型代号 linthium 的得分高于 GPT-5.4；作为 GUI Agent，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。
在训练层面，模型通过原生多模态联合训练，视觉信息的引入对文本能力带来正向提升。在 Artificial Analysis Intelligence Index v4.1.1 评估中，模型较纯文本版本提升 4 分，表明多模态训练对文本能力有正向溢出，而非牺牲文本能力换取视觉能力。
Ling-3.0-flash-VL 已在 Ling Studio 上线并提供免费体验。BF16 和 FP8 版本已在 Hugging Face 及 ModelScope 平台开源，FP4 和 INT4 版本计划于近期发布。