AntwortenVeröffentlicht25 Quellen
Ants Ling-3.2-flash verarbeitet Bilder, Text und Videos
Ling 3.2 flash unterstützt nativ Eingaben in Form von Bildern, Text und Videos. Das Kontextfenster umfasst bis zu 1 Million Tokens.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Ling 3.2 flash unterstützt nativ Eingaben in Form von Bildern, Text und Videos. Das Kontextfenster umfasst bis zu 1 Million Tokens.
- Ant nennt 560 Milliarden Parameter insgesamt und 25 Milliarden aktivierte Parameter.
- Ants Benchmark Angaben fallen in drei Tests besser aus als die Vergleichswerte für Claude Opus 5 (max).
KI-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 hat mit Ling-3.2-flash ein neues multimodales Modell vorgestellt, das Bilder, Text und Videos verarbeiten kann. Ant gibt ein Kontextfenster von bis zu 1 Million Tokens sowie 560 Milliarden Parameter insgesamt an; davon seien jeweils 25 Milliarden aktiv. Die genannten Schwerpunkte reichen von komplexem Bildverständnis über länger laufende multimodale Agenten bis zu 3D- und medizinischen Anwendungen. 1
3
6
20
Die zeitliche Einordnung ist nicht ganz einheitlich: Ants Modelldokumentation und API-Unterlagen tragen das Datum 5. November, während Berichte über den Start am 6. November erschienen. 1
3
6
Was das Modell kann – und was die Parameterangaben bedeuten
Ant beschreibt Ling-3.2-flash als nativ multimodal. Das heißt: Bild-, Text- und Videoeingaben sind laut Unternehmensdokumentation vorgesehen; auch die OpenAI-kompatible API nimmt diese Formate entgegen. Das Kontextfenster kann bis zu 1 Million Tokens umfassen. 1
3
Berichte zum Start ordnen das Modell als Mixture-of-Experts-System (MoE) ein. Bei dieser Architektur werden je nach Anfrage nur Teile des Gesamtmodells aktiviert. Die Angaben lauten daher 560 Milliarden Parameter insgesamt und 25 Milliarden aktivierte Parameter – nicht, dass Ling-3.2-flash lediglich ein 25-Milliarden-Parameter-Modell wäre. 7
10
Ant nennt vier Einsatzfelder: anspruchsvolles visuelles Verständnis, multimodale Agenten für länger laufende Aufgaben, 3D-Verständnis und Interaktion sowie medizinische multimodale Anwendungen. Das sind die vom Unternehmen formulierten Schwerpunkte, keine unabhängigen Leistungsbewertungen dieser Bereiche. 1
6
Einordnung in die Ling-Modellreihe
In Ants Dokumentation werden neben Ling-3.2-flash auch Ling-3.1-flash und Ling-3.0-flash-VL aufgeführt. Bereits Ling-3.0-flash-VL unterstützte laut Ant Bild-, Text- und Videoeingaben. Ling-3.2-flash ist also nicht das erste Ling-Modell mit Video-Unterstützung. 2
5
Ant bezeichnet Ling-3.2-flash als Modell der neuesten Generation und nennt für die neue Version ein Kontextfenster von 1 Million Tokens sowie 560 Milliarden Gesamt- und 25 Milliarden aktivierte Parameter. Die vorliegenden Quellen enthalten jedoch keinen vollständigen, direkt vergleichbaren Spezifikationsüberblick zu Ling-3.1-flash. Wie groß der Fortschritt gegenüber diesem Vorgänger genau ist, lässt sich daraus nicht verlässlich ableiten. 1
2
Die Benchmark-Ergebnisse im Überblick
In von Ant veröffentlichten Ergebnissen liegt Ling-3.2-flash bei drei Benchmarks vor Claude Opus 5 (max). Die Angaben stammen aus Unternehmensvergleichen und sind in den verfügbaren Quellen nicht unabhängig überprüft. 6
20
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| ZEROBench (Subset) | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
Die Ergebnisse sprechen zunächst für gute Leistungen in den hier getesteten Aufgaben, darunter Dokumentverarbeitung und die Umsetzung visueller Vorlagen in Weboberflächen. Sie erlauben für sich genommen aber keine allgemeine Aussage über die Leistung bei anderen Modellen, Benchmarks oder Aufgaben des Schlussfolgerns. 6
20
Zusätzlich berichteten Medien, Ling-3.2-flash habe es bei DesignArena in der Kategorie Bild-zu-Frontend in die Top 10 geschafft und einen Elo-Wert von 1.238 erreicht. Auch die Rangliste von DesignArena führt das Modell mit 1.238. 6
25
Zugang, Gratiszeitraum und Preisfrage
Laut Ant ist Ling-3.2-flash über eine Chat-Oberfläche verfügbar. Die API unterstützt OpenAI- und Anthropic-kompatible Protokolle. Ant bestätigt außerdem einen kostenlosen Zugang für die ersten zwei Wochen nach dem Start. 4
27
28
Einige Startberichte nennen reguläre Preise von 0,30 US-Dollar pro Million Eingabe-Tokens und 0,90 US-Dollar pro Million Ausgabe-Tokens. Der vorliegende Auszug aus Ants offizieller Preisdokumentation bestätigt zwar den Gratiszeitraum, belegt diese regulären Preise für Ling-3.2-flash aber nicht. Die Beträge sollten deshalb als berichtete, nicht durch diesen offiziellen Auszug bestätigte Preise verstanden werden. 7
15
27
Sind die Modellgewichte offen verfügbar?
Die vorliegenden Startberichte beschreiben Ling-3.2-flash als Modell, dessen Gewichte zum Start nicht veröffentlicht waren. Für Ling-3.1-flash berichtet eine Quelle von verfügbaren Gewichten unter MIT-Lizenz. Daraus lässt sich jedoch nicht ableiten, dass Ling-3.2-flash dieselbe Lizenz erhalten oder überhaupt als Open-Weight-Modell veröffentlicht wird. 11
16
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Ants Ling-3.2-flash verarbeitet Bilder, Text und Videos“?
Ling 3.2 flash unterstützt nativ Eingaben in Form von Bildern, Text und Videos. Das Kontextfenster umfasst bis zu 1 Million Tokens.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Ling 3.2 flash unterstützt nativ Eingaben in Form von Bildern, Text und Videos. Das Kontextfenster umfasst bis zu 1 Million Tokens. Ant nennt 560 Milliarden Parameter insgesamt und 25 Milliarden aktivierte Parameter.
Was soll ich als nächstes in der Praxis tun?
Ants Benchmark Angaben fallen in drei Tests besser aus als die Vergleichswerte für Claude Opus 5 (max).
Quellen
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 ...