คลังโมเดล

← คลังโมเดล

Ling-3.0-flash-VL

inclusionAI (Ant Group) · ใช้ได้แล้ว

inclusionAI ซึ่งเป็นแล็บในเครือ Ant Group เปิดน้ำหนัก Ling-3.0-flash-VL ใบอนุญาต MIT ทั้งบน Hugging Face และ ModelScope ตัวนี้รับข้อความ ภาพ วิดีโอ บริบทยาวสุด 1 ล้านโทเคน ใครอยากลองก็โหลดฟรีไปรันเอง หรือจะยิงผ่าน API บน Ant Ling ก็ได้เหมือนกัน

ราคาโหลดฟรี
หน้าต่างบริบท1 ล้านโทเคน
งานหลักโมเดลมัลติโหมดอ่านข้อความ ภาพ วิดีโอ บริบทยาวถึง 1 ล้านโทเคน เหมาะกับงานที่ต้องประมวลผลหลายสื่อพร้อมกัน

วันนี้ใช้ได้ยังไง

ไปโหลดน้ำหนักได้เลยทั้ง Hugging Face และ ModelScope ใบอนุญาตเป็น MIT ใช้ได้กว้าง ๆ ไม่ต้องกังวล การ์ดบน Hugging Face สร้างเมื่อ 4 ก.ย. 2026 แล้ววันที่ 8 ก.ย. ก็มีไฟล์ FP8 อัปมาเพิ่ม โดย README แนะนำให้ใช้รุ่นนี้แหละ ถ้าขี้เกียจจัดการเอง ก็เรียกผ่าน API บน Ant Ling โดยใช้ id Ling-3.0-flash-VL ส่วนใครอยากรันเองก็มี cookbook ของ SGLang ให้เปิดตามทำทีละขั้น

ตัวเลขน่ารู้คือน้ำหนักรวม 124B แต่แอคทีฟจริง ๆ ต่อครั้งแค่ 5.5B เพราะเป็นสถาปัตยกรรม MoE เลยเบากว่าที่ตัวเลขดู รับได้ทั้งข้อความ ภาพ วิดีโอ บริบทสูงสุด 1 ล้านโทเคน แถมโหมดคิดเปิดมาเป็นค่าเริ่มอยู่แล้ว ส่วนคะแนน Artificial Analysis Intelligence Index v4.1.1 อยู่ที่ 42 สูงกว่า Ling flash ตัวข้อความล้วนที่ได้ 38 ตามที่การ์ดของบริษัทระบุ

จุดที่คนปนกันบ่อย

อย่าเอาไปปนกับ LLaDA-Image นะ อันนั้นเป็นคนละโมเดลกันเลย Ling-3.0-flash-VL คือตัวที่พูดถึงตรงนี้ อีกเรื่องคือรุ่น flash มีทั้งแบบข้อความล้วนกับแบบ VL ที่รับภาพวิดีโอได้ พอเห็นคะแนน 42 กับ 38 ก็อย่าเพิ่งสรุปอะไร ต้องดูก่อนว่าเป็นตัวไหน เพราะคนละความสามารถกัน

ดูรุ่นอื่น