Tập đoàn Ant Group công bố mã nguồn mở mô hình đa phương thức lớn Ling-3.0-flash-VL

BlockBeats tin tức, ngày 9 tháng 9, thông báo mã nguồn mở của Tập đoàn Ant cho biết, chính thức phát hành và mã nguồn mở mô hình đa phương thức lớn bản địa đầu tiên của dòng Bailing - Ling-3.0-flash-VL. Mô hình được mở rộng dựa trên kiến trúc MoE của Ling-3.0-flash, tổng tham số đạt 124B, mỗi lần suy luận kích hoạt 5.5B tham số, hỗ trợ nguyên bản đầu vào hình ảnh, văn bản và video, cửa sổ ngữ cảnh đạt 256KToken.

Xoay quanh "làm thế nào để hoàn thành nhiệm vụ thực tế một cách đáng tin cậy và hiệu quả hơn", Ling-3.0-flash-VL tập trung khám phá các hướng sau:

Thêm khả năng thị giác cho mô hình lớn, một lo ngại phổ biến là nó sẽ kéo giảm trí tuệ văn bản. Nhưng thực tiễn huấn luyện đưa ra kết luận ngược lại: huấn luyện kết hợp đa phương thức nguyên bản không chỉ mở rộng ranh giới ứng dụng mà còn nâng cao trí tuệ văn bản. Ling-3.0-flash-VL giới thiệu cơ chế phản hồi thị giác - quan sát kết quả thực thi, so sánh mục tiêu, phát hiện sai lệch, liên tục hiệu chỉnh - biến nhiệm vụ từ "tạo sinh" một lần thành vòng khép kín "quan sát → hành động → xác minh → hiệu chỉnh", giúp kết quả thực thi đáng tin cậy hơn.

Ling-3.0-flash-VL kế thừa lợi thế cốt lõi của Ling-3.0-flash trong quy trình làm việc Agent với vai trò nút thực thi hiệu quả, trong vòng phản hồi thị giác khép kín cân bằng chất lượng đầu ra và hiệu quả thực thi, thúc đẩy hoàn thành nhiệm vụ trọn vẹn với chi phí thấp hơn và thời gian ngắn hơn.