答え公開済み25 ソース
蚂蚁集团の新モデル「Ling-3.2-flash」 画像・動画に対応、コンテキストは100万トークン
Ling 3.2 flashは画像・テキスト・動画を入力でき、コンテキスト長は最大100万トークン。総パラメーター数は5600億、アクティブパラメーター数は250億です。 蚂蚁側が掲げる用途は、複雑な画像理解、長期にわたるマルチモーダルエージェント、3D理解・操作、医療マルチモーダルの4分野です。
公開者GPT-6 Luna で編集GPT Image 2 で画像を生成
研究の答え
重要なポイント
- Ling 3.2 flashは画像・テキスト・動画を入力でき、コンテキスト長は最大100万トークン。総パラメーター数は5600億、アクティブパラメーター数は250億です。
- 蚂蚁側が掲げる用途は、複雑な画像理解、長期にわたるマルチモーダルエージェント、3D理解・操作、医療マルチモーダルの4分野です。
- 蚂蚁の資料によると、チャット画面とAPIから利用でき、APIはOpenAIおよびAnthropic互換のプロトコルに対応。リリース後2週間は無料です。
AI プロンプト
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,
蚂蚁集团のLing-3.2-flashは、画像・テキスト・動画を扱うマルチモーダルAIモデルです。コンテキスト長は最大100万トークンで、総パラメーター数は5600億、推論時に有効化されるパラメーターは250億とされています。蚂蚁は、画像理解や複数段階にわたるマルチモーダルエージェントを主な用途に挙げています。発表時に示されたベンチマーク結果は注目を集めますが、蚂蚁側が公表した限られたテストの比較であり、幅広いタスクで他モデルを上回ることを示すものではありません。1
3
6
20
発表時期については、11月6日付の報道がある一方、蚂蚁のモデル情報とAPIドキュメントは11月5日付です。確認できる資料の間で、日付に1日のずれがあります。1
3
6
Ling-3.2-flashの主な仕様
蚂蚁はLing-3.2-flashを「ネイティブマルチモーダル」モデルと説明しています。画像・テキスト・動画を入力でき、OpenAI互換APIでもこれらを扱えます。コンテキスト長は最大100万トークン、総パラメーター数は5600億、アクティブパラメーター数は250億です。1
3
発表を伝える記事では、モデルの構成を混合エキスパート（MoE）方式と説明しています。この方式では、1回の処理でモデル全体のパラメーターを使うのではなく、一部を選んで動かします。したがって「250億パラメーターのモデル」ではなく、「総数5600億のうち、処理時に250億が有効になるモデル」です。7
10
蚂蚁が掲げる重点分野は、複雑な画像理解、長期的なタスクに取り組むマルチモーダルエージェント、3Dの理解と操作、医療分野のマルチモーダル活用です。これは同社が示した開発上の重点であり、それぞれの分野での性能を第三者が評価した結果とは別です。1
6
Ling-3.1-flashやLing-3.0-flash-VLとの違い
蚂蚁のドキュメントには、Ling-3.1-flashやLing-3.0-flash-VLも掲載されています。また、Ling-3.0-flash-VLも画像・テキスト・動画入力に対応するネイティブマルチモーダルモデルと説明されています。そのため、動画に対応したLingシリーズとしてLing-3.2-flashが初めて、とは言えません。2
5
蚂蚁はLing-3.2-flashをシリーズの最新世代モデルとして紹介し、100万トークンのコンテキストと5600億／250億のパラメーター数を示しています。一方、確認できる資料にはLing-3.1-flashとの完全な同条件での仕様比較がありません。旧モデルからどれだけ性能が向上したかを、具体的に言い切るのは難しい状況です。1
2
ベンチマークは好結果。ただし蚂蚁発表の比較
蚂蚁が公表した結果では、Ling-3.2-flashは3つのベンチマークでClaude Opus 5（max）を上回りました。以下は蚂蚁側が発表した数値で、ここで確認できる資料だけでは独立した検証結果とは言えません。6
20
| ベンチマーク | Ling-3.2-flash | Claude Opus 5（max） |
|---|---|---|
| OmniDocBench 1.5 | 92.21 | 90.56 |
| ZEROBench（サブセット） | 43.71 | 39.52 |
| Vision2Web | 85.86 | 80.20 |
読み取れるのは、文書理解や画像からWeb画面を作るタスクを含む、これらのテストで好成績を示したということです。ほかのモデル評価や一般的な推論タスク全般での優位性まで、この結果だけで判断することはできません。6
20
また、発表報道によると、画像からフロントエンドを生成するDesignArenaのランキングで、Ling-3.2-flashはEloスコア1,238を記録し、トップ10に入りました。DesignArenaのランキングにも同じスコアが掲載されています。6
25
一方、ここで確認できる資料には、Humanity’s Last Examのマルチモーダル部門、BabyVision、MathVisionにおけるGPT-5.6-Sol（max）、Claude Opus 5（max）、Kimi K3（max）との比較結果は見当たりません。これらのテストでの相対的な強み・弱みは、提示された情報からは判断できません。
利用方法、無料期間と価格情報
蚂蚁のドキュメントによると、Ling-3.2-flashはチャット画面から試せるほか、OpenAI互換とAnthropic互換のプロトコルに対応したAPIから利用できます。リリース後の最初の2週間は無料です。4
27
28
一部の発表記事では、通常料金として入力100万トークンあたり0.30ドル、出力100万トークンあたり0.90ドルという価格が紹介されています。ただし、参照できる蚂蚁公式の料金ページ抜粋で確認できるのは無料期間で、Ling-3.2-flashの通常料金は確認できません。したがって、この金額は報道された価格として扱い、公式資料で確定した料金とは区別する必要があります。7
15
27
モデルの重みは公開されるのか
今回参照できる発表報道では、Ling-3.2-flashの重みはリリース時点で公開されていないとされています。また、Ling-3.1-flashの重みがMITライセンスで公開されたとの情報もありますが、それだけでLing-3.2-flashにも同じライセンスが適用される、あるいは今後公開されるとは判断できません。11
16
Studio Global AI
研究を続けてください
このページにはソースに裏付けされた回答が含まれており、Studio Global 内で続行できます。
人々も尋ねます
「蚂蚁集团の新モデル「Ling-3.2-flash」 画像・動画に対応、コンテキストは100万トークン」の短い答えは何ですか?
Ling 3.2 flashは画像・テキスト・動画を入力でき、コンテキスト長は最大100万トークン。総パラメーター数は5600億、アクティブパラメーター数は250億です。
最初に検証する重要なポイントは何ですか?
Ling 3.2 flashは画像・テキスト・動画を入力でき、コンテキスト長は最大100万トークン。総パラメーター数は5600億、アクティブパラメーター数は250億です。 蚂蚁側が掲げる用途は、複雑な画像理解、長期にわたるマルチモーダルエージェント、3D理解・操作、医療マルチモーダルの4分野です。
次の実践では何をすればいいでしょうか？
蚂蚁の資料によると、チャット画面とAPIから利用でき、APIはOpenAIおよびAnthropic互換のプロトコルに対応。リリース後2週間は無料です。
情報源
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 ...