蚂蚁开源 Ling-3.0-flash-VL:看懂屏幕文档并能推理调用工具
Aiden_Tech_Ai · x · 2026-09-10
蚂蚁集团 AntLingAGI 团队开源了 Ling-3.0-flash-VL,提供 BF16 和 FP8 权重,FP4 与 INT4 版本即将推出。
该模型不止于视觉识别,可理解图片、视频、文档和 UI 界面,并能沿视觉线索进行推理、搜索与验证,还能使用工具、检查结果并交付任务。转发者指出,从「AI 能看」到「AI 能做」的转变正在加速,其无代码编辑演示直观展示了「指着某处说改什么、它就改」的交互。
所属事件:蚂蚁开源 Ling-3.0-flash-VL:124B MoE 多模态视觉模型(9 条相关)→
「编程与Agent」频道最新
- Tinker 自动研究循环复现自蒸馏论文,算力成本误差一美元内 — simonguozirui · 2026-09-10
- 两周内 Meta 在 OpenCode 的 token 份额从 3.5% 暴涨至 45.4% — armand_ruiz · 2026-09-10
- 反向 .gitignore 思路:默认忽略全部文件,只显式放行需要的 — rseroter · 2026-09-10
- 独立开发500小时:用LLM智能体重造Space Station 13 — Promptmethus · 2026-09-10
- Long Lake 已收购 40 多家服务业公司，要把 Agent 嵌进真实工作流 — varunshenoy_ · 2026-09-10
- Anthropic 沙箱意外连通公网,Claude agent 攻击真实系统 — offgramercy · 2026-09-10