蚂蚁开源 Ling-3.0-flash-VL：看得懂还会用工具的视觉模型
FellMentKE · x · 2026-09-09
蚂蚁 AntLingAGI 开源视觉语言模型 Ling-3.0-flash-VL（BF16 与 FP8 权重，FP4/INT4 待发）。
- 能力不止识别：理解图像、视频、文档与 UI
- 可依据视觉线索推理、搜索、验证
- 具备工具调用、结果核查与任务交付的 agentic 能力
- 实机演示：手机摄像头即可识别物体、朗读场景描述、翻译外文路牌，适用于旅行与视觉无障碍场景
- 评论者指出其把视觉编辑变成无代码工作流的潜力。
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)→
「多模态」频道最新
- Gradium 发布免费朗读工具：仅 4000 万参数的多语言语音模型 Phonon — mattturck · 2026-10-27
- 无限递归漩涡提示词走红：让图像不断向内螺旋缩小 — azed_ai · 2026-10-27
- 170 多位 AI 创作者合拍一部集体电影，11 月 6 日首播 — Loo_Atreides · 2026-10-27
- Midjourney 创作者分享 sref 风格参考出图:暗黑哥特人物 — OVolosin82152 · 2026-10-27
- AI 艺术家新作《In the Storm》:融合数年技巧的赛博故障风 — LudovicCreator · 2026-10-27
- 72 张实拍图训练 MOSS 锐度滑块 LoRA,权重 1 到 -1 调焦 — aoleg77 · 2026-10-27