2026年9月9日，蚂蚁开源团队正式推出百灵系列首个原生多模态大模型Ling-3.0-flash-VL。该模型基于MoE架构研发，总参数量达124B，单次推理仅激活5.5B参数，原生支持图像、文本、视频三类输入，上下文窗口达256K Token，其原生联合训练机制打破了“多模态训练削弱文本能力”的行业共识，可大幅提升真实场景任务执行效率。
过去两年，多模态大模型已经成为AI落地的核心方向，但多数厂商的多模态产品均采用“纯文本大底座+视觉识别插件”的拼接式架构，这种方案虽然开发速度快，但存在两大核心问题：一是模态之间的语义对齐程度低，复杂跨模态任务准确率不足；二是视觉模块的接入往往会拉低原有文本底座的语义理解能力，导致通用任务表现下降。
不少企业在落地多模态应用时，不得不牺牲部分模态支持能力来保证核心业务的稳定性，这也成为制约多模态大模型规模化普及的核心障碍。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号