蚂蚁百灵发布 Ling-3.0-flash-VL：会看图的 AI，能读报告还能写前端

一句话说清：蚂蚁集团旗下的百灵大模型，9 月 4 日发布了新版本 Ling-3.0-flash-VL——以前它只能处理文字，现在「睁开了眼睛」：能看图、读文档、读医学报告，甚至给你一张网页设计图，它直接写出前端代码。

发生了什么

• 9 月 4 日 18:04，蚂蚁百灵团队发布 Ling-3.0-flash-VL，在原有文本模型 Ling-3.0-flash 基础上加入视觉理解和视觉 Agent能力（VL = Vision-Language，视觉语言）。
• 官方公布的六大能力方向：

1. 视觉感知：识别图像里的物体、场景、关系；
2. STEM 推理：处理数学、物理等图文题；
3. 文档智能：读懂表格、图表、扫描件等复杂文档；
4. 多模态 Agent 任务：结合画面执行多步操作；
5. 前端编码：看设计图/界面截图，直接生成对应代码；
6. 医学报告解读：辅助理解医学影像和报告。

• 它不是从零训练的多模态模型，而是在文本模型上「叠加」视觉通道，所以文本能力保留，调用也更省事。
• 目前官方只公布了能力方向，未给出具体评测数据或开源计划。

来源：网易「字节漫游指南」（2026-09-05）、AGI Hunt（2026-09-04/05）报道。

对我有什么用

• 多模态大模型正在从「能看图」走向「会做事」——模型不只是描述图片，而是基于看到的内容做决策、执行动作（Agent）。
• 对国内用户而言，这是又一家大厂把「视觉 + 办公 + 代码」合一的实用模型推到台前，和海外 GPT-6 Astra、Gemini 3.8 Flash 等在同一赛道竞速。

我可以怎么做

1. 读复杂文档：拍一张表格、合同扫描件、PPT 截图，让它帮你提取关键条款、整理成清单。
2. 设计图变网页：给一张网页/界面设计稿，让它生成前端代码（HTML/CSS/JS），不懂代码也能先有个能跑的雏形，再让开发者改。
3. 看医学报告：上传检查单/报告图片，让它用大白话解读指标含义（仅供参考，不能替代医生）。
4. 解题：把数理化题目拍下来，让它一步步推理讲解。
5. 关注蚂蚁百灵/百宝箱等官方入口，等模型开放 API 或体验通道后直接试用。

温馨提醒

• 医学/合同类内容务必复核：AI 解读可能出错，涉及健康、法律、财务，一定要找专业人士确认，别直接照做。
• 未开源、未公布评测：当前是能力宣发，实际效果以你亲手试为准，别被宣传口径带偏。
• 上传图片时注意别传身份证、病历、公司机密等敏感信息。
• 生成的前端代码需人工检查再上线，避免安全漏洞。