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 视觉语言模型(9 条相关)→
「编程与Agent」频道最新
- TRL 上线 Score Centering：直击 RL 训练不稳定的根因 — lvwerra · 2026-10-27
- 预计算标准答案：团队重复问答的缓存式解法 — colinmcnamara · 2026-10-27
- 开发者观点：与 agent 交互式协作仍有未被挖掘的价值 — alex_frantic · 2026-10-27
- 研究者发起 AMA:揭秘「平民开发者」用 AI Agent 自动化企业工作 — Loose_Rip359 · 2026-10-27
- Gradio 推 ML Intern 人工介入：训练前可暂停审核数据 — Gradio · 2026-10-27
- 玩家用本地 LLM + Blender MCP 自动搭建 Halo 无限 Forge 地图 — swagonflyyyy · 2026-10-27