Ling-3.0-flash-VL – 蚂蚁开源百灵系列首个原生多模态大模型

蚂蚁集团正式开源百灵系列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，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。不同于传统“一次性看图生成”的视觉模型，它引入视觉反馈闭环机制，能按“观察→行动→验证→修正”的逻辑执行任务，在图片转网页、GUI自动化、医疗报告解读等场景中，可根据执行结果持续调整输出，在Artificial Analysis Intelligence Index v4.1.1评测中较纯文本版提升4分。

Ling-3.0-flash-VL特点

低激活参数，推理成本低：124B总参数里每次只激活5.5B，MoE稀疏架构的设计让它在保持大模型理解能力的同时，推理开销接近轻量模型，适配高频调用场景。

视觉反馈闭环：执行任务时不是“一次生成完事”，而是会主动观察操作结果，对比预期目标，发现偏差后自动修正，比如生成网页代码后会自己渲染检查，有问题就调整，不用人工反复改。

视觉能力反向提升文本智能：原生多模态联合训练下，视觉信息的引入没有拉低文本能力，反而让模型的综合智能得分比纯文本版更高，图文混合任务不用切换模型。

多模态输入兼容性强：支持任意分辨率的图像、短视频、长文档输入，256K上下文窗口能一次性处理长视频分析、多页扫描件解读这类长序列任务。

Ling-3.0-flash-VL技术原理

Ling-3.0-flash-VL的语言主干沿用42层混合架构，按5:1比例交替堆叠KDA（Kimi Delta Attention）线性注意力层与Gated MLA层，配合1/64稀疏MoE机制，在控制激活参数规模的同时保留足够的表达能力。视觉侧引入任意分辨率ViT编码器，通过两层MLP投影器将视觉特征对齐到文本空间，再用VideoRoPE做时空编码，让模型能理解图像里的空间关系和视频里的时序变化。

视觉反馈闭环的核心是把任务拆成四个环节：模型先观察当前输入和已有结果，根据目标规划下一步动作，执行后主动验证输出是否符合预期，发现偏差就调整参数或重新执行，直到结果达标。比如在图片转网页任务里，它会先分析设计稿的布局，生成代码后自己渲染页面，对比原图检查组件位置、样式是否一致，不一致就修改代码，直到还原度达标。

Ling-3.0-flash-VL功能

视觉感知与理解：能识别图像里的物体、场景、文字，理解复杂表格、图表、扫描件的内容，准确率在CountBench、MMMU-Pro等评测里超过同参数竞品。

多模态Agent执行：不止能“看懂”，还能基于视觉信息执行操作，比如识别网页界面元素后自动点击、填表，看设计稿直接生成可运行的前端代码。

长序列多模态处理：256K上下文窗口支持一次性分析长视频、几十页的PDF文档，提取关键信息不丢失上下文。

双模式推理：和纯文本版一样支持思考模式和非思考模式，复杂任务开思考模式提升准确率，高频低延迟场景用非思考模式加快响应。

Ling-3.0-flash-VL应用场景

前端开发辅助：把设计稿、网页截图扔进去，直接生成可运行的HTML/CSS代码，还会自己检查渲染效果调整，省去手动对照改代码的时间。

医疗场景：解读医学影像、检验报告，跨文档整合患者的检查数据，标注异常指标和风险点，辅助医生快速梳理病情。

GUI自动化：识别手机、电脑界面元素，自动完成跨应用操作，比如批量填表、抓取页面信息，适配测试、运营这类重复操作多的工作。

文档智能处理：解析扫描件、合同、财务报表，提取关键条款、数据，直接输出结构化的结果，不用再人工录入。

视频内容分析：分析短视频、监控视频的内容，提取关键帧、标注事件，适合内容审核、安防这类场景。

Ling-3.0-flash-VL同类产品对比

表格