蚂蚁开源百灵首个原生多模态大模型 Ling-3.0-flash-VL，搭载视觉反馈闭环，可自我修正GUI任务

蚂蚁集团正式发布并开源百灵（Ling）系列首款原生多模态大模型 Ling-3.0-flash-VL。模型在Ling-3.0-flash MoE混合专家底座上扩展而来，原生支持图、文、视频多模态输入，主打带自我校验的视觉闭环能力，面向网页代码生成、GUI自动化、医疗报告解读等真实业务场景。

• Hugging Face BF16：https://huggingface.co/inclusionAI/Ling-3.0-flash-VL
• Hugging Face FP8：https://huggingface.co/inclusionAI/Ling-3.0-flash-VL-fp8
• ModelScope BF16：https://www.modelscope.cn/models/inclusionAI/Ling-3.0-flash-VL
• ModelScope FP8：https://www.modelscope.cn/models/inclusionAI/Ling-3.0-flash-VL-fp8

核心模型参数

• 总参数量：124B，推理仅激活5.5B参数
• 上下文窗口：256K Token
• 输入能力：原生支持文本、图片、视频
• 架构亮点：任意分辨率视觉编码器 + VideoRoPE；语言主干为42层混合架构，KDA与Gated MLA按5:1交替排布

关键技术：视觉反馈闭环，任务可反复自检修正

这是本次模型最核心的亮点，跳出传统多模态模型“看一眼图片，一次性输出答案”的模式。
Ling-3.0-flash-VL 采用「观察 → 行动 → 验证 → 修正」的闭环工作流。模型完成一次操作后，会查看执行结果，对照视觉信息发现错误并迭代优化。

这套机制在三大场景体现明显：

1. 图片转网页开发：识别页面布局、组件之间的层级关系，生成前端代码，渲染后对比画面差异，自动修改代码。在Image-to-WebDev Arena评测中，代号linthium的该模型得分高于GPT-5.4。
2. GUI界面智能体：识别软件界面元素，跨应用执行连续操作，根据屏幕画面校验任务执行情况。
3. 医疗报告解读：整合多份文档数据，自动标记风险项。

训练亮点：多模态联合训练，视觉反过来增强文本能力

采用原生多模态联合训练，不是文本底座外挂视觉模块。

蚂蚁官方数据显示，在Artificial Analysis Intelligence Index v4.1.1.1评测中，Ling-3.0-flash-VL相比纯文本版本Ling-3.0-Flash提升4分。

也就是说，图像、视频数据的训练，没有稀释文本能力，反而对文本推理起到正向增益。

同时依托MoE架构，大总参规模但单次激活参数很小，在长视频对话、多轮视觉Agent任务中，能够维持较低推理延迟。

开源与体验渠道

• 体验入口：Ling Studio 现已上线，支持免费试用
• 开源版本：BF16、FP8权重已同步发布至Hugging Face与ModelScope
• 后续计划：FP4、INT4量化版本近期推出，方便本地部署