蚂蚁发布 Ling-3.0-flash-VL 视觉智能体模型
蚂蚁 Ling 团队发布 Ling-3.0-flash-VL，在原有 Ling-3.0-flash（124B 总参数、5.1B 激活）基础上新增视觉理解与视觉智能体能力。官方称该模型在多项评测中表现良好，computer-use 跑分超过 Qwen3.8-27B，多位社区作者发布演示展示其实际用途，是多模态智能体落地的一个值得关注的新样本。
已确认
- Ling-3.0-flash-VL 基于 Ling-3.0-flash 构建，具备图像与视频理解能力，可作为视觉 computer-use 智能体执行点击、输入、滚动、切换应用等 GUI 操作。
- 官方公布的能力方向包括视觉感知、STEM 推理、文档智能、多模态智能体任务、前端编码和医疗报告解读。
- 转述帖提到其 computer-use 性能超过 Qwen3.8-27B。
- @FellMentKE 的长推演示了三大应用方向：一是网页开发自迭代，模型根据截图或设计参考图生成网站、在浏览器中打开、截图对比结果并修改代码，形成构建-检查-改进循环；二是操控 GUI 完成电脑操作；三是基于实时视频进行辅导。作者认为它将视觉理解转化为行动，适用于设计、自动化和学习三类场景。
为什么重要
- 该模型以相对较低的激活参数量（5.1B）实现视觉智能体能力，并在跑分上对标更大参数的模型，降低了多模态 agent 的使用门槛。
- 从视觉理解到可执行行动（生成代码、操作 GUI、视频辅导）的闭环演示，展示了视觉智能体在设计、自动化与学习场景的实用潜力。
2026-09-05 ~ 2026-09-05 · 5 条相关
一手来源
- Ling-3.0-flash-VL 发布：在 flash 基础上加入视觉理解与视觉 agent 能力 — niacolhealth ·
- Ling-3.0-flash-VL 演示视觉智能体：截图生成网站、操控 GUI、看视频教学 — FellMentKE ·
- 蚂蚁 Ling-3.0-flash-VL 做成视觉电脑操作 agent,跑分超 Qwen3.8-27B — solyarisoftware ·
- 【源头】Ling-3.0-flash-VL 发布：在 flash 基础上加入视觉理解与视觉 agent 能力 — niacolhealth · 2026-09-05
- 视觉智能体新样本：Ling-3.0-flash-VL 看图改代码还能实时视频辅导 — FellMentKE · 2026-09-05
- 【源头】Ling-3.0-flash-VL 演示视觉智能体：截图生成网站、操控 GUI、看视频教学 — FellMentKE · 2026-09-05
- 【源头】蚂蚁 Ling-3.0-flash-VL 做成视觉电脑操作 agent,跑分超 Qwen3.8-27B — solyarisoftware · 2026-09-05
另有 1 条近重复转述:airesearch12