比推消息，蚂蚁集团开源公告称，正式发布并开源百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。模型基于 Ling-3.0-flash 的 MoE 架构拓展而来，总参数量为 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 256KToken。

围绕如何更可靠、更高效地完成真实任务，Ling-3.0-flash-VL 重点探索以下方向：

给大模型加上视觉能力，一个普遍的担忧是它会拉低文本智能。但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，也拉升了文本智能。Ling-3.0-flash-VL 引入了视觉反馈机制——观察执行结果、对比目标、发现偏差、持续修正——把任务从一次性的生成，变成观察→行动→验证→修正的闭环，让执行结果更可靠。

Ling-3.0-flash-VL 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，在视觉反馈闭环中兼顾输出质量与执行效率，以更低成本和更短时间推进完整任务。