AnswersPublished22 sources
Ants nye AI-model kombinerer tekst, billeder og video
Ling 3.2 flash understøtter tekst, billeder og video og har et kontekstvindue på op til 1 million tokens. Modellen har 560 milliarder parametre i alt og 25 milliarder aktive parametre.
Udgivet afBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash understøtter tekst, billeder og video og har et kontekstvindue på op til 1 million tokens.
- Modellen har 560 milliarder parametre i alt og 25 milliarder aktive parametre. [6]
- Ant peger på fire fokusområder: visuel forståelse, multimodale agenter, 3D forståelse og medicinske multimodale opgaver.
- Ants egne testresultater ligger foran Claude Opus 5 (max) på tre nævnte benchmarks; resultaterne er ikke uafhængigt verificeret i det tilgængelige materiale.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Ant Group announce about Ling 3.2 flash on November 6, 2026, including its native architectural integration of image, text and vide. Article summary: Ant Group announced Ling 3.2 flash as a native multimodal flagship with 560 billion total parameters, 25 billion active parameters and a 1 million token context window, emphasizing visual reasoning and multimodal agents.. Topic tags: general web, openai, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
Ant Group har lanceret Ling-3.2-flash, en AI-model, der ifølge selskabet er bygget til at behandle tekst, billeder og video som dele af samme multimodale system. Den har 560 milliarder parametre i alt, hvoraf 25 milliarder aktiveres, og et kontekstvindue på op til 1 million tokens. 6
Der er en mindre uoverensstemmelse om lanceringsdatoen: En omtale fra 6. november siger, at modellen blev annonceret den dag, mens anden lanceringsdækning og Ants udviklerdokumentation peger på 5. november. Det tilgængelige materiale afklarer ikke forskellen. 8
10
Hvad betyder den multimodale arkitektur?
Ant beskriver billed-, tekst- og videofunktionerne som integreret på arkitekturniveau. Det betyder i praksis, at modellen kan modtage alle tre typer input via selskabets API, i stedet for kun at arbejde med tekst. 14
4
Modellen omtales i lanceringsdækningen som en Mixture-of-Experts-model (MoE). I den type arkitektur aktiveres kun en del af modellens parametre under hver beregning. Ling-3.2-flash har 560 milliarder parametre i alt, men omkring 25 milliarder aktive parametre, hvilket ifølge den beskrevne tilgang begrænser beregningen pr. trin, samtidig med at modellen bevarer en stor samlet kapacitet. 10
11
12
Ant fremhæver fire anvendelsesområder:
- Visuel forståelse og ræsonnement på komplekse billeder og videoer.
- Multimodale agenter, der kan arbejde med opgaver over flere trin.
- 3D-forståelse og interaktion.
- Medicinske multimodale opgaver.
6
Ants benchmarkresultater
Ant oplyser, at Ling-3.2-flash klarer sig bedre end Claude Opus 5 (max) på tre benchmarks. Tallene er selskabets egne evalueringsresultater og er ikke uafhængigt verificeret i det tilgængelige materiale. 13
8
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| ZEROBench (Sub) | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
I DesignArenas billed-til-frontend-arena kom modellen ifølge lanceringsomtalen blandt de ti bedste med en Elo-score på 1.238. 8
Adgang og pris
Ants dokumentation siger, at Ling-3.2-flash er gratis de første to uger efter lanceringen. 3 Den officielle prisoversigt i det foreliggende materiale fastslår ikke, hvad modellen koster efter tilbudsperioden; der er derfor ikke grundlag her for at angive en sikker pris pr. million tokens.
Modellen er tilgængelig gennem Ants Ling API og understøtter et OpenAI-kompatibelt API-format. Ant har også vejledning til brug med Claude Code, og selskabets changelog omtaler kompatibilitet med både OpenAI- og Anthropic-protokoller. 1
4
5
6
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Ants nye AI-model kombinerer tekst, billeder og video"?
Ling 3.2 flash understøtter tekst, billeder og video og har et kontekstvindue på op til 1 million tokens.
What are the key points to validate first?
Ling 3.2 flash understøtter tekst, billeder og video og har et kontekstvindue på op til 1 million tokens. Modellen har 560 milliarder parametre i alt og 25 milliarder aktive parametre. [6]
What should I do next in practice?
Ant peger på fire fokusområder: visuel forståelse, multimodale agenter, 3D forståelse og medicinske multimodale opgaver.
Sources
news.aibase.comAnt Bailing Releases Ling 3.2 Flash: Surpasses Claude Opus 5 on Three Core Benchmarks, Free for the First Two Weeks
aicoder.comAnt Ling Launches Ling-3.2-flash: 560B/25B Native Multimodal ...
lookonchain.comElon Musk’s net worth returns to $1 trillion, surging by $88 billion in a single day. - Lookonchain - Looking for smartmoney onchain