蚂蚁开源 Ling 3.0 flash VL 原生多模态大模型

蚂蚁开源团队正式发布并开源了百灵系列的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 MoE 架构拓展而来，总参数量达到 124B，单次推理仅激活 5.5B 参数，原生支持图像、文本与视频三种模态输入，上下文窗口达到 256K Token。

从这个参数配置可以看出，模型走的是稀疏激活的技术路线：总参数规模足够大以保证容量与知识储备，而单次推理只唤醒其中一小部分参数，从而在效果与成本之间取得平衡。再加上原生支持视频输入与 256K 的超长上下文，模型可以一次性处理较长的图文混排材料或连续的视频片段，不必依赖外部拼接与切分，这为复杂的真实任务提供了基础条件。

在研发过程中，团队重点探索的是如何让大模型更可靠、更高效地完成真实任务。业界长期存在一种顾虑：给大模型加上视觉能力，可能会拉低它原本的文本智能。而 Ling 3.0 flash VL 的实际训练实践给出了相反的结论——原生多模态联合训练不仅拓展了应用边界，反而进一步拉升了文本智能。也就是说，视觉与语言并非互相牵制的两套能力，在原生统一训练下，它们可以互相促进。

为了获得更精准的执行效果，模型引入了创新的视觉反馈机制。通过观察执行结果、对比目标、发现偏差、持续修正的完整闭环，模型把传统的一次性生成转变为具备自我纠错能力的动态过程，从而大幅提升最终结果的可靠性。对于需要多步操作、结果可被直观检验的任务而言，这种闭环式执行方式尤为关键。

此外，该模型继承了 Ling 3.0 flash 在 Agent 工作流中作为高效执行节点的核心优势。在视觉反馈的闭环运行中，它能够兼顾输出质量与执行效率，以更低的成本和更短的时间推进并完成复杂任务。对开发者来说，这意味着可以在开源基础上构建更贴近真实场景的多模态应用，而不必在响应速度与结果质量之间反复取舍。