30分钟搭好作业订正流水线，Ling-3.0-flash-VL视觉坐标玩法实测
nikola_mr64990 · x · 2026-09-21
开发者分享用蚂蚁百灵刚开源的 Ling-3.0-flash-VL 在 30 分钟内搭出「小孩作业自动订正」工具的完整做法：不让模型直接处理图片，而是让它先看整张作业，输出错题、题目区域和手写答案的坐标，再用程序按坐标裁图、去除手写、整理成可重新订正的题目，比传统 OCR+版面分析+专用模型的链路简单得多。
要点：
- Ling-3.0-flash-VL 总参数 124B，MoE 架构每 token 只激活约 5.5B，速度与成本适合 Visual Agent 场景
- 作者提醒：VLM 是「看懂」图片并输出文字/坐标/代码的模型，不是负责生成像素的出图模型
- 进一步思路：用大模型批量标注生成错题框、手写区域等数据，再蒸馏训练更小更快的专用模型，Demo 已跑通
- 目前坐标仍有偏差，距替代作业 App 尚远
「编程与Agent」频道最新
- 「离开 AI 就不会写代码的人,别玩 vibe coding」引热议 — prasenx · 2026-09-21
- 模型给自己写出的「不存在的图表」打了满分 — memokris · 2026-09-21
- 用 Claude 和 Codex 找到六大哈希函数的碰撞 — thomasahle · 2026-09-21
- 7 家文档解析 API 实测 11 份 PDF:没有全能赢家 — latentnoise_ · 2026-09-21
- Claude API 实战求策：聊天 agent 如何接入实时搜索不失控 — angel-queen123 · 2026-09-21
- 开发者推出 Odoo 托管 MCP:OAuth 2.0 直连,400 次免费调用 — felix010301013 · 2026-09-21