蚂蚁 inclusionAI 开源 Ling-3.0-flash-VL，124B MoE 配 262K 上下文，MIT 协议

蚂蚁 inclusionAI 放出了 Ling-3.0-flash-VL：在 Ling-3.0-flash 纯文本模型上加了图像和视频理解，124B 总参数、MoE 结构激活只有 5.5B，上下文拉到 262K，MIT 协议。

单看每一项都不新鲜，但三个凑在一起就值得认真看了：可商用的协议、塞得下长文档的上下文、跑得动的激活量。 做过产品的人知道这意味着什么——选模型时最纠结的往往就是这三条永远凑不齐：协议干净的上下文短，上下文长的部署不起，部署得起的法务不让用。

5.5B 的激活量是个很实际的数字。同参数密度的稠密模型做同样的事，显存和延迟都要难看好几倍。这意味着一张消费级或者入门级算力卡就有机会跑起来，不用一上来就租 A100。

如果你在做有「理解图片或长文档」环节的产品，几个直接能想到的落法：

• 用户反馈截图批量转结构化问题单，不用人看图。
• 合同、报表、论文整份读入再抽字段，省掉切块拼接的工程量和它带来的上下文损耗。
• 长视频抽帧建语义索引，做可检索的视频资料库。

有一个提醒：MIT 只解决法律问题，不解决效果问题。你的场景里它到底行不行，还是得拿自己的数据测。开源模型榜单分数和你在脏数据上的表现，经常是两回事。

• 权重：Hugging Face · inclusionai/Ling-3.0-flash-VL