BlockBeatsによると、9月9日、Ant GroupはLingシリーズ初のネイティブマルチモーダルモデルであるLing-3.0-flash-VLをリリースし、オープンソース化した。このモデルはLing-3.0-flashのMixture of Expertsアーキテクチャを拡張したもので、総パラメータ数は124B、推論時に活性化されるパラメータ数は5.5Bとなっている。画像、テキスト、動画の入力をネイティブにサポートし、256Kトークンのコンテキストウィンドウを備える。 このモデルには、反復的なタスク実行サイクルを可能にする視覚フィードバック機構が組み込まれている。具体的には、結果を観察し、目標と比較して逸脱を検出し、出力を改良する。これにより、一度きりの生成が閉ループ型のワークフローへと変わり、Ling-3.0-flashのエージェント実行ノードとしての効率性を維持しながら、実行の信頼性を向上させている。