蚂蚁 Ling-3.0-flash-VL 发布:124B 稀疏 MoE 仅激活 5.5B,支持 1M 上下文
jacek2023 · reddit · 2026-09-08
inclusionAI 在 Hugging Face 开源多模态模型 Ling-3.0-flash-VL:
- 总参数 124B 的稀疏 MoE 架构,每 token 仅激活 5.5B,兼顾多模态能力与推理效率;
- 继承 Ling-3.0-flash 的语言、推理与长上下文能力,原生支持图像与视频理解,上下文最长 1M token;
- 技术要点:ViT 视觉编码器 + 两层 MLP 对齐;VideoRoPE 同时编码空间位置与时序,支持事件定位、长视频问答与剪辑;42 层混合主干按 5:1 交替 KDA 与 Gated MLA 层,高效处理文本/图像/视频与长 agent 任务历史;
- 定位是把视觉信息融入真实世界推理与 agent 工作流。
所属事件:蚂蚁开源 Ling-3.0-flash-VL:124B MoE 视觉语言模型(9 条相关)→
「模型」频道最新
- OpenAI 发布 GPT-6.1 Terra，Brockman 称电脑操作已快过人类 — gdb · 2026-10-27
- Debate Benchmark 新榜：Kimi K3.1 Pro 不升反降，DeepSeek 1017 微涨 — teortaxesTex · 2026-10-27
- 用 LLM 研究 4 小时创业点子，产出的却是一套 nonsense 产品论 — annetgriffin · 2026-10-27
- 开发者吐槽 Claude 烧 token：同样工作 GPT 省 3 倍用量更便宜 — haider1 · 2026-10-27
- 非刷榜评测中 MiniMax 表现比肩 Claude 4.5,引发社区关注 — teortaxesTex · 2026-10-27
- 实测算账：GPT-6.1 Terra 半价却更费 token，反而比 Sol 更贵 — lordpuddingcup · 2026-10-27