Ant Group udostępnia model wielomodalny Ling-3.0-flash-VL

9 września Ant Group ogłosił wydanie i otwarcie źródła wielomodalnego modelu Ling-3.0-flash-VL. Model ten oparty jest na architekturze MoE Ling-3.0-flash, z całkowitą liczbą parametrów wynoszącą 124 miliardy, aktywującą 5,5 miliarda parametrów podczas jednego wnioskowania, wspierającą wejścia w postaci obrazów, tekstu i wideo, a okno kontekstowe osiągające 256KToken. Ling-3.0-flash-VL koncentruje się na tym, jak bardziej niezawodnie i efektywnie realizować rzeczywiste zadania, szczególnie poprzez wprowadzenie zdolności wizualnych w celu poprawy inteligencji tekstowej. Model wykorzystuje mechanizm sprzężenia zwrotnego wizualnego, przekształcając wykonanie zadania w cykl obserwacji, działania, weryfikacji i korekty, co zwiększa niezawodność wyników wykonania. Jednocześnie Ling-3.0-flash-VL dziedziczy kluczowe zalety Ling-3.0-flash w przepływie pracy agenta, łącząc jakość wyjścia z efektywnością wykonania, aby zrealizować pełne zadanie przy niższych kosztach i w krótszym czasie.

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.