RéponsesPublié25 sources
Ling-3.2-flash, le nouveau modèle multimodal d’Ant Group
Ling 3.2 flash accepte nativement images, texte et vidéos, avec une fenêtre de contexte pouvant atteindre un million de tokens. Ant annonce 560 milliards de paramètres au total, dont 25 milliards activés, et met en avant la compréhension visuelle, les agents multimodaux, la 3D et les usages médicaux.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Ling 3.2 flash accepte nativement images, texte et vidéos, avec une fenêtre de contexte pouvant atteindre un million de tokens.
- Ant annonce 560 milliards de paramètres au total, dont 25 milliards activés, et met en avant la compréhension visuelle, les agents multimodaux, la 3D et les usages médicaux.
- Les scores publiés par Ant dépassent ceux de Claude Opus 5 (max) sur trois tests cités, mais ces comparaisons viennent du fournisseur et ne suffisent pas à établir une supériorité générale.
Prompt IA
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 présente Ling-3.2-flash comme un modèle multimodal capable de traiter des images, du texte et des vidéos, avec une fenêtre de contexte allant jusqu’à un million de tokens. La fiche du modèle indique 560 milliards de paramètres au total, dont 25 milliards activés. L’entreprise met en avant les usages visuels et les agents capables de mener des tâches multimodales en plusieurs étapes. 1
3
6
Un point de calendrier reste à noter : la documentation d’Ant est datée du 5 novembre, tandis que plusieurs articles annonçant le lancement ont été publiés le 6 novembre. Les sources disponibles ne permettent pas de trancher cet écart d’un jour. 1
3
6
Un modèle conçu pour comprendre aussi les images et les vidéos
Ant décrit Ling-3.2-flash comme un modèle multimodal natif. Son API compatible avec celle d’OpenAI accepte directement le texte, les images et les vidéos en entrée. La fenêtre de contexte annoncée atteint un million de tokens, soit la quantité d’informations que le modèle peut prendre en compte dans une même interaction. 1
3
Les comptes rendus de lancement le décrivent comme un modèle à mélange d’experts, ou MoE. Dans ce type d’architecture, seule une partie des paramètres est activée pour un calcul donné. Les chiffres annoncés sont donc de 560 milliards de paramètres au total et 25 milliards activés — et non un modèle de 25 milliards de paramètres au total. 7
10
Ant cite quatre domaines prioritaires : la compréhension visuelle complexe, les agents multimodaux capables de suivre des tâches longues, la compréhension et l’interaction en 3D, ainsi que les usages médicaux multimodaux. Il s’agit des axes mis en avant par l’entreprise, pas d’évaluations indépendantes de ses performances dans chacun de ces domaines. 1
6
Ce qui le distingue des précédents modèles Ling
La documentation d’Ant répertorie aussi Ling-3.1-flash et Ling-3.0-flash-VL. Ce dernier prenait déjà en charge les images, le texte et les vidéos : Ling-3.2-flash n’est donc pas le premier modèle de la série à accepter des vidéos. 2
5
Ant présente Ling-3.2-flash comme la dernière génération de sa gamme, avec un contexte d’un million de tokens et les chiffres de paramètres annoncés ci-dessus. Les éléments disponibles ne donnent toutefois pas de comparaison complète, à spécifications égales, avec Ling-3.1-flash. Il est donc difficile de mesurer précisément le gain par rapport à ce modèle. 1
2
Des résultats prometteurs, mais publiés par Ant
Dans les résultats communiqués par Ant, Ling-3.2-flash obtient un score supérieur à Claude Opus 5 (max) sur trois benchmarks. Ces comparaisons sont rapportées par le fournisseur et ne constituent pas, à elles seules, une vérification indépendante ni une preuve de supériorité générale. 6
20
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| Sous-ensemble de ZEROBench | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
Ces résultats indiquent de bonnes performances sur les tests cités, qui portent notamment sur les documents et les tâches reliant vision et création d’interfaces web. Ils ne renseignent pas, à eux seuls, sur les performances du modèle dans d’autres évaluations ou sur des tâches générales de raisonnement. 6
20
Par ailleurs, des articles de lancement rapportent que Ling-3.2-flash figure dans le top 10 de l’arène image-vers-interface de DesignArena, avec un score Elo de 1 238. Le classement de DesignArena affiche lui aussi ce score. 6
25
Accès, période gratuite et tarifs à confirmer
La documentation d’Ant indique que le modèle est accessible via une interface de chat et que son API est compatible avec les protocoles OpenAI et Anthropic. Ant confirme également une période d’accès gratuit pendant les deux premières semaines suivant le lancement. 4
27
28
Certains articles avancent ensuite des tarifs de 0,30 dollar par million de tokens en entrée et de 0,90 dollar par million en sortie. L’extrait fourni de la page officielle des tarifs confirme la période gratuite, mais ne permet pas de vérifier ces prix réguliers pour Ling-3.2-flash. Mieux vaut donc les considérer comme des tarifs rapportés, et non comme des montants confirmés par cet extrait officiel. 7
15
27
Les poids du modèle sont-ils disponibles ?
Les sources de lancement fournies indiquent que les poids de Ling-3.2-flash n’étaient pas publiés au moment de son annonce. Elles mentionnent aussi que ceux de Ling-3.1-flash étaient disponibles sous licence MIT, mais cela ne permet pas de conclure que Ling-3.2-flash bénéficiera de la même licence ou fera l’objet d’une publication ouverte. 11
16
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « Ling-3.2-flash, le nouveau modèle multimodal d’Ant Group » ?
Ling 3.2 flash accepte nativement images, texte et vidéos, avec une fenêtre de contexte pouvant atteindre un million de tokens.
Quels sont les points clés à valider en premier ?
Ling 3.2 flash accepte nativement images, texte et vidéos, avec une fenêtre de contexte pouvant atteindre un million de tokens. Ant annonce 560 milliards de paramètres au total, dont 25 milliards activés, et met en avant la compréhension visuelle, les agents multimodaux, la 3D et les usages médicaux.
Que dois-je faire ensuite en pratique ?
Les scores publiés par Ant dépassent ceux de Claude Opus 5 (max) sur trois tests cités, mais ces comparaisons viennent du fournisseur et ne suffisent pas à établir une supériorité générale.
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
neuralbrew.aiAnt Ling Launches Ling-3.2-flash, a Native Multimodal 560B MoE with 1M Context