Ant Ling 发布 Ling-3.0-flash-VL，用于视觉代理和 GUI 控制

Ling-3.0-flash-VL 可读取图像和短视频、根据截图生成网站，并通过 Ant Ling 托管的 API 操作界面。

By · Published

Primary source: Ant Ling

为何重要

Ant 正在将其高效文本模型转变为一个能够看到并操作软件的代理，直接押注视觉反馈将使编码和图形用户界面（GUI）自动化更可靠。

A luminous digital interface dynamically transforms visual inputs into functional elements, with a spectral cursor precisely interacting.

Richard Bian (@RichSFO), Ant Ling 的产品与增长负责人，多年来一直将 Ant Group 的开源雄心转化为开发者可以使用的产品。9 月 4 日，他的团队发布了 Ling-3.0-flash-VL，这是其快速语言模型的一个版本，能够接受图像和视频输入并对所见进行操作。此次发布将 Ant Ling 从文本生成扩展到了可编写界面、检查自身工作并操作软件的视觉代理。

Ant Ling 的 Ling-3.0-flash-VL 发布公告…

When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.

Reader comments

Conversation for this story loads after sign-in.