蚂蚁百灵的开源Ling-3.0-flash-VL原生多模态大模型

百灵是蚂蚁集团的大模型系列，此前以Ling文本模型为主，本次首次推出原生多模态VL版本。

一、主要参数

• 总参数：124B MoE架构，单次激活约5.5B参数。
• 上下文：256K Token。
• 模态：原生支持图像/文本/视频输入。
• 核心创新："观察→行动→验证→修正"视觉反馈闭环。
• 联合训练现象：多模态联合训练反而拉升文本智能（蚂蚁官方表述）。
• 开源许可：Apache 2.0（Hugging Face + ModelScope双平台）。
• 同步开源：Ling-3.0-flash-Fin（金融增强开放模型）+ FinFIRST评测基准（金融搜索Agent）。

二、技术看点

1. 视觉反馈闭环

从“看图说话”到“看着干活的工人”，这是本次发布最核心的创新。

传统多模态模型是“一次生成”——看图、给答案、结束。Ling-VL 把任务变成 “观察→行动→验证→修正”的循环：生成网页后自己看渲染结果、和参考图对比、发现偏差、继续改代码。类比：不检查作业的学生 vs 交卷前反复验算的学生。落地为三类能力：

• 视觉反馈编程：给一张网页截图，生成可运行前端代码并自我矫正
• GUI Agent：识别界面结构，跨工具完成任务（查网页数据→整理Excel→生成图表），边走边看边校准
• 医疗报告解读（蚂蚁阿福场景）：跨页、跨时期的血常规/生化/影像整合，“提取→核验→修正”回溯闭环，红黄绿灯风险标识（官方注明不替代医生诊断）

2. 视觉反哺文本

打破“加视觉拉低智商”的行业焦虑，这也是此前行业普遍担心的给模型加视觉会稀释文本能力。
蚂蚁的训练实践给出反向证据：AA Index v4.1.1 上 VL 版 42 分，比纯文本版（38分）还高 4 分——图像和视频信息帮模型建立了对空间、关系、现实世界更完整的理解。这个结论若被更多厂商复现，会直接影响后续多模态模型的技术路线选择。

三、技术方法

• MoE架构：124B总参/5.5B激活，兼顾能力与推理成本。
• 视觉反馈闭环：模型执行视觉任务时具备"观察→行动→验证→修正"自迭代能力。
• 原生多模态：图像/文本/视频从预训练阶段即联合训练，而非后置多模态适配。

四、产品提升

• 文本百灵 → 原生多模态百灵（VL），从"能看文字"扩展为"能看图文视频"。
• 同步推出金融场景模型与评测基准（FinFIRST），形成"模型+工具+评测"完整生态。

五、横向对比

六、应用示例

• 灵光APP实时识图： 手机摄像头边看边聊，万物识别+实时翻译，C端入口，视觉理解“装进口袋”
• 阿福医疗报告： 跨文档整合+风险标识+多报告对比，绑定支付宝健康生态
• GUI Agent： 跨软件工作流自动执行，对接 OpenClaw 类 Agent 平台的开源底座选择
• 小时级视频高光剪辑： 定位→截取→验证→修正闭环，256K长上下文的实战验证

七、定价或策略

• Apache 2.0开源，可商用。
• 在Hugging Face与ModelScope双平台免费下载。