Ling-3.0-flash-VL Faoliyat yuritmoqda

Ling-3.0-flash-VL — Ant Group InclusionAI’ning Bai Ling seriyasidagi ilk ochiq kodli, asli multimodal katta modeli bo‘lib, Ling-3.0-flash’ning MoE arxitekturasi asosida kengaytirilgan. Umumiy parametrlari 124B, har bir inferensiyada atigi 5.5B parametr faollashadi; u tasvir va matn, shuningdek video kiritishlarini tabiiy ravishda qo‘llab-quvvatlaydi, kontekst oynasi esa 256K Token’gacha yetadi. Ling-3.0-flash-VL modelga inson kabi bir vaqtning o‘zida kuzatish, harakat qilish va natijani tekshirib tuzatish imkonini beradi, vazifani bir martalik generatsiyadan ishonchli uzluksiz yetkazib berish jarayoniga aylantiradi.

Real vaqt rejimidagi vizual muloqot: kamerani yoqib, suhbatlashish davomida o‘simlik va hayvonlar, diqqatga sazovor joylar hamda avtomobil modellarini taniydi va chet tilidagi yozuvlarni real vaqt rejimida tarjima qiladi.
Vizual fikr-mulohaza asosidagi dasturlash: veb-sahifa skrinshoti asosida frontend kodini yaratadi, so‘ng render natijasi bilan taqqoslab, o‘zini tuzatadi va sahifani qayta yaratadi.
GUI Agent: interfeys tuzilmasi va amallar holatini taniydi, veb ma’lumotlarini izlash, Excel’ni tartibga solish va diagrammalar yaratish kabi vazifalarni turli vositalar orqali bajaradi.
Tibbiy hisobotlarni sharhlash: umumiy qon tahlili, biokimyo, tasviriy tekshiruvlar va boshqa hisobotlardagi turli davrlarga tegishli ko‘rsatkichlarni ajratib oladi hamda sog‘liq xavfini qizil-sariq-yashil indikatorlar bilan ko‘rsatadi.
Real vaqt rejimidagi o‘quv hamrohi: dars videolarida tasvirni tahlil qilib, formulalar va doskadagi yozuvlarni tushuntiradi, savollarga darhol javob beradi va mashqlar yaratadi.
Uzun videolardan eng yorqin lavhalarni montaj qilish: soatlab davom etadigan sport musobaqasi videosida “aniqlash → kesib olish → tekshirish → tuzatish” jarayonini bajarib, eng yaxshi lavhalardan to‘plamni avtomatik yaratadi.

WeChat’da kuzatib boring va “开源” deb javob yuboring — AI ochiq kodli loyihalar guruhiga qo‘shiling
MoE’ning samarali siyrak arxitekturasi: model Ling-3.0-flash asosida kengaytirilgan, umumiy parametrlari 124B, har bir inferensiyada esa atigi 5.5B parametr faollashadi. Bu imkoniyatlarni saqlagan holda hisoblash xarajatlarini sezilarli kamaytiradi va Agent ish jarayonlarida tez-tez ishlatiladigan ijro tuguni sifatida mos keladi.
Asli multimodal qo‘shma o‘qitish: tasvir, matn va video bitta o‘qitish jarayonida birgalikda optimallashtiriladi; avval matnni o‘qitib, keyin vizual modulni qo‘shish usuli qo‘llanmaydi. Amaliyot shuni ko‘rsatadiki, vizual ma’lumotning kiritilishi matn imkoniyatlarini pasaytirmaydi, aksincha Artificial Analysis Intelligence Index’da 4 ballik o‘sishni ta’minlaydi.
Ixtiyoriy aniqlikdagi vizual kodlash va VideoRoPE: turli o‘lchamdagi tasvir va matn kiritishlarini qayta ishlash uchun ixtiyoriy aniqlikdagi vizual kodlagichdan foydalanadi. VideoRoPE pozitsion kodlashi bilan birga asl videolarni tushunishni ta’minlaydi, videoni kadrlar ketma-ketligiga ajratib, tasvir darajasiga tushirish talab etilmaydi.
KDA va Gated MLA aralash til yadrosi: til qismi 42 qatlamli aralash arxitekturadan foydalanadi; KDA chiziqli diqqat mexanizmi va boshqariladigan MLA navbatma-navbat 5:1 nisbatda joylashtirilgan. Bu uzoq kontekst samaradorligi va modellashtirish aniqligini muvozanatlashtirib, 256K Token’lik kontekst oynasini qo‘llab-quvvatlaydi.
Vizual fikr-mulohaza yopiq sikli: model “kuzatish → harakat → tekshirish → tuzatish” takroriy bajarish usulini joriy etadi va vazifani bir martalik generatsiyadan ko‘p bosqichli iteratsiyaga aylantiradi: avval vizual ma’lumotni tushunib, harakat qiladi, keyin bajarilish natijasini kuzatib, maqsad bilan taqqoslaydi, farq aniqlansa strategiyani tuzatadi. Shu tariqa natijaning ishonchliligi va tekshiriluvchanligi ta’minlanadi.

Onlayn sinash: rasmiy saytni oching: Ling Studio rasmiy saytiga kiring https://chat.ant-ling.com/chat.
Bepul foydalanish: hozir bepul sinov davri; tizimga kirgach, darhol suhbatni boshlash mumkin.
Material yuklash: matnli ko‘rsatma kiriting, shuningdek multimodal muloqot uchun rasm yoki video yuklang.
Sinab ko‘rish mumkin bo‘lgan holatlar: veb-sahifa skrinshotini qayta yaratish, video bo‘yicha savollar berish, suratdan obyektlarni tanish kabi imkoniyatlarni sinab ko‘rish mumkin.
Mahalliy joylashtirish: modelni yuklab olish: ochiq kodli og‘irliklarni Hugging Face yoki ModelScope’dan oling; BF16 va FP8 versiyalari mavjud, FP4/INT4 versiyalari tez orada chiqariladi.
Muhitni tayyorlash: ushbu parametr ko‘lamini qo‘llab-quvvatlaydigan inferensiya muhitini sozlang.
Inferensiyani ishga tushirish: asosiy inferensiya freymvorklaridan foydalanib modelni yuklang; tasvir va matn, shuningdek video kiritishlari tabiiy ravishda qo‘llab-quvvatlanadi, kontekstni 256K Token’gacha kengaytirish mumkin.
Ish jarayoniga ulash: API orqali uni vizual Agent’ning ijro tuguni sifatida ulang va “kuzatish → harakat → tekshirish → tuzatish” ko‘p bosqichli vazifalar jarayoniga integratsiya qiling.

Multimodal imkoniyatlarning matnni kuchaytirishi: asli multimodal qo‘shma o‘qitish matn imkoniyatlarini susaytirmaydi, aksincha Artificial Analysis Intelligence Index’da sof matnli versiyaga nisbatan 4 ball yuqori natija beradi.
Vizual fikr-mulohaza yopiq sikli: “kuzatish → harakat → tekshirish → tuzatish” iteratsion mexanizmi orqali vazifani bir martalik generatsiyadan ishonchli, tekshiriladigan uzluksiz yetkazib berishga aylantiradi.
Yuqori inferensiya samaradorligi: 124B umumiy parametrdan har bir inferensiyada atigi 5.5B tasi faollashadi, bu hisoblash va Token xarajatlarini sezilarli kamaytiradi hamda tez-tez ko‘p bosqichli chaqiruvlar uchun mos keladi.
Juda uzun kontekst: 256K Token’ni tabiiy ravishda qo‘llab-quvvatlaydi, uzun hujjatlarni tahlil qilish, uzun videolarni tahlil qilish va ko‘p bosqichli Agent’ning tarixiy xotirasini boshqarish uchun qulay.
To‘liq multimodal tabiiy kiritish: ixtiyoriy aniqlikdagi vizual kodlagich va VideoRoPE joriy etilgan; tasvir, matn va videoni tabiiy ravishda qayta ishlaydi, kadrlarni ajratib olish talab etilmaydi.
Sinov natijalari yuqori: Image-to-WebDev Arena baholashida 5.5B faollashtiriladigan parametr ko‘lami bilan GPT-5.4’dan yuqori ball olgan.

HuggingFace model kutubxonasi: https://huggingface.co/inclusionAI/Ling-3.0-flash-VL
https://huggingface.co/inclusionAI/Ling-3.0-flash-VL-fp8

Frontend ishlab chiqish va veb-sahifani qayta yaratish: dizayn maketi skrinshoti asosida ishlaydigan veb-sahifa kodini yaratadi va render natijasini taqqoslash orqali o‘zini muntazam tuzatadi.
GUI orqali ofis ishlarini avtomatlashtirish: veb-ma’lumotlarni yig‘ish, ularni Excel’ga kiritish va diagrammalarni avtomatik yaratish kabi vazifalarni turli dasturlar orqali bajaradi.
Tibbiy hisobotlarni yordamchi sharhlash: umumiy qon tahlili, biokimyo, tasviriy tekshiruvlar va boshqa hisobotlarni birlashtiradi, noodatiy ko‘rsatkichlarni ajratib oladi va sog‘liq xavfini qizil-sariq-yashil darajalarda ko‘rsatadi.
Onlayn ta’lim uchun o‘quv hamrohi: dars videosini ko‘rish paytida tasvirga tayangan holda formulalar va doskadagi yozuvlarni tushuntiradi, savollarga darhol javob beradi va bilim nuqtalari asosida mashqlar yaratadi.
Sport musobaqalaridan eng yorqin lavhalarni montaj qilish: soatlab davom etadigan musobaqa videosida “aniqlash → kesib olish → tekshirish → tuzatish” jarayonini bajarib, ravon va qiziqarli lavhalar to‘plamini avtomatik yaratadi.