AnswersPublished25 sources
Ants nye AI-model kan læse billeder og video – men benchmarkene fortæller kun en del
Ling 3.2 flash er Ant Groups multimodale model med 560 mia. parametre i alt, 25 mia. Ant fremhæver kompleks visuel forståelse, multimodale agenter, 3D forståelse og medicinske multimodale opgaver som modellens fokusområder.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash er Ant Groups multimodale model med 560 mia. parametre i alt, 25 mia.
- Ant fremhæver kompleks visuel forståelse, multimodale agenter, 3D forståelse og medicinske multimodale opgaver som modellens fokusområder.
- Ants benchmarkresultater er lovende, men er leverandørens egne sammenligninger. Modellen kan prøves gratis i de første to uger efter lanceringen.
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, documentation, general web, user generated. 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,
Ant Group har lanceret Ling-3.2-flash, en stor multimodal model, der kan modtage tekst, billeder og video. Den har et kontekstvindue på op til 1 mio. tokens og ifølge Ant 560 mia. parametre i alt, hvoraf 25 mia. aktiveres. Selskabet fremhæver især visuel forståelse og multimodale agenter som centrale anvendelser. 1
3
6
20
Lanceringen blev omtalt den 6. november, mens Ants model- og API-dokumentation er dateret den 5. november. Kilderne angiver altså forskellige datoer for annonceringen. 1
3
6
Hvad kan Ling-3.2-flash?
Ant beskriver modellen som multimodal fra grunden: Den kan behandle tekst, billeder og video, også via en API, der er kompatibel med OpenAI-formatet. Kontekstvinduet er op til 1 mio. tokens, og specifikationerne angiver 560 mia. parametre i alt samt 25 mia. aktiverede parametre. 1
3
Lanceringens omtale beskriver Ling-3.2-flash som en Mixture-of-Experts-model, ofte forkortet MoE. I den type arkitektur bruges kun en del af modellens parametre ad gangen. De 25 mia. aktiverede parametre er derfor ikke modellens samlede størrelse: den samlede størrelse er angivet til 560 mia. 7
10
Ant peger på fire fokusområder: avanceret visuel forståelse, multimodale agenter til opgaver med mange trin, forståelse og interaktion med 3D samt medicinske multimodale opgaver. Det er selskabets egne prioriteringer – ikke en uafhængig vurdering af, hvor godt modellen klarer sig på hvert område. 1
6
Hvad er nyt i forhold til tidligere Ling-modeller?
Ants dokumentation nævner både Ling-3.1-flash og Ling-3.0-flash-VL. Sidstnævnte understøtter også tekst, billeder og video, så Ling-3.2-flash er ikke den første Ling-model med videoinput. 2
5
Ant præsenterer Ling-3.2-flash som den nyeste generation og fremhæver dens kontekstvindue på 1 mio. tokens samt tallene for parametre. De tilgængelige oplysninger giver imidlertid ikke en fuldstændig sammenligning på ens vilkår med Ling-3.1-flash. Det er derfor svært at fastslå præcist, hvor meget den nye model forbedrer sig i forhold til forgængeren. 1
2
Benchmarkresultaterne: stærke tal med et forbehold
I resultater offentliggjort af Ant scorer Ling-3.2-flash højere end Claude Opus 5 (max) på tre benchmarks. Tallene er Ants egne sammenligninger og er ikke uafhængigt bekræftet i de tilgængelige kilder. 6
20
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| ZEROBench (delmængde) | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
Resultaterne peger på, at modellen klarer sig godt i netop disse tests, som blandt andet omfatter dokumentforståelse og opgaver med visuelle input til webindhold. De dokumenterer ikke i sig selv, hvordan Ling-3.2-flash præsterer på andre modeller eller i bredere ræsonneringsopgaver. 6
20
Lanceringens omtale siger desuden, at modellen kom i top 10 på DesignArenas rangliste for at omsætte billeder til frontend-design, med en Elo-score på 1.238. DesignArena viser også modellen med en score på 1.238. 6
25
Adgang, gratis prøveperiode og priser
Ifølge Ant kan Ling-3.2-flash bruges via en chatgrænseflade. API'et understøtter protokoller, der er kompatible med OpenAI og Anthropic. Ant bekræfter også, at modellen er gratis de første to uger efter lanceringen. 4
27
28
Nogle medier har angivet priser på 0,30 dollar pr. million inputtokens og 0,90 dollar pr. million outputtokens. Det uddrag fra Ants officielle prisside, der er tilgængeligt her, bekræfter dog kun den gratis periode – ikke de nævnte normalpriser for Ling-3.2-flash. Beløbene bør derfor læses som rapporterede priser, ikke som priser bekræftet af det officielle prisuddrag. 7
15
27
Bliver modellens vægte åbne?
Den tilgængelige lanceringso dækning beskriver Ling-3.2-flashs vægte som ikke offentliggjort ved lanceringen. Den omtaler også, at vægtene for Ling-3.1-flash blev gjort tilgængelige under MIT-licensen. Det siger dog ikke, om Ling-3.2-flash senere får samme licens eller overhovedet udgives med åbne vægte. 11
16
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 kan læse billeder og video – men benchmarkene fortæller kun en del"?
Ling 3.2 flash er Ant Groups multimodale model med 560 mia. parametre i alt, 25 mia.
What are the key points to validate first?
Ling 3.2 flash er Ant Groups multimodale model med 560 mia. parametre i alt, 25 mia. Ant fremhæver kompleks visuel forståelse, multimodale agenter, 3D forståelse og medicinske multimodale opgaver som modellens fokusområder.
What should I do next in practice?
Ants benchmarkresultater er lovende, men er leverandørens egne sammenligninger. Modellen kan prøves gratis i de første to uger efter lanceringen.
Sources
developer.ant-ling.comLing
news.aibase.comAnt Bailing Releases Ling 3.2 Flash: Surpasses Claude Opus 5 on Three Core Benchmarks, Free for the First Two Weeks
ithome.com蚂蚁百灵大模型Ling 3.2 Flash 发布：三项基准超越Claude ...