AnswersPublished23 sources
Ling-3.2-flash gabungkan pemahaman imej, teks dan video
Ling 3.2 flash menyokong input imej, teks dan video secara multimodal asli, dengan 560 bilion parameter keseluruhan, 25 bilion parameter aktif dan tetingkap konteks 1 juta token. Ant menyasarkan model ini untuk pemahaman visual kompleks, ejen multimodal jangka panjang, pemahaman dan interaksi 3D, serta tugasan multi...
Diterbitkan olehImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash menyokong input imej, teks dan video secara multimodal asli, dengan 560 bilion parameter keseluruhan, 25 bilion parameter aktif dan tetingkap konteks 1 juta token.
- Ant menyasarkan model ini untuk pemahaman visual kompleks, ejen multimodal jangka panjang, pemahaman dan interaksi 3D, serta tugasan multimodal perubatan.
- Dalam keputusan yang dilaporkan oleh Ant, model ini mencatat skor lebih tinggi daripada Claude Opus 5 (max) dalam tiga penanda aras visual.
- Dokumentasi rasmi menyatakan akses percuma selama dua minggu selepas pelancaran; liputan pelancaran berbeza tentang sama ada pengumuman dibuat pada 5 atau 6 November 2026.
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 memperkenalkan Ling-3.2-flash sebagai model multimodal asli yang menerima imej, teks dan video. Dokumentasi syarikat menyenaraikan 560 bilion parameter keseluruhan, 25 bilion parameter aktif dan tetingkap konteks 1 juta token. 2
4
6
Liputan pada 6 November menyebut model itu diumumkan pada hari tersebut, tetapi beberapa laporan pelancaran meletakkan tarikhnya pada 5 November. Maklumat yang tersedia tidak menjelaskan perbezaan tarikh ini. 8
10
Apa yang dimaksudkan dengan reka bentuknya?
Ant menyatakan bahawa keupayaan imej, teks dan video disepadukan pada peringkat seni bina, bukan sekadar ditambah sebagai input berasingan. Rujukan API yang serasi dengan OpenAI turut menyatakan bahawa permintaan kepada model boleh menerima ketiga-tiga jenis input itu. 4
14
Model ini dilaporkan menggunakan pendekatan campuran pakar (Mixture of Experts, MoE). Dalam reka bentuk sedemikian, hanya sebahagian parameter diaktifkan bagi setiap token: untuk Ling-3.2-flash, jumlah yang dinyatakan ialah kira-kira 25 bilion daripada keseluruhan 560 bilion. Ini membolehkan model mempunyai kapasiti parameter yang besar tanpa mengaktifkan semuanya pada setiap langkah pengiraan. 10
11
Tetingkap konteks 1 juta token pula merujuk kepada jumlah kandungan yang boleh diproses dalam satu konteks. Ant menyasarkan model ini kepada empat bidang: memahami dan menaakul tentang kandungan visual yang kompleks, menjalankan ejen multimodal untuk tugasan berbilang langkah, memahami serta berinteraksi dengan kandungan 3D, dan tugasan multimodal perubatan. 2
6
7
Keputusan penanda aras yang dikongsi Ant
Menurut keputusan yang diterbitkan oleh Ant, Ling-3.2-flash mendapat skor lebih tinggi daripada Claude Opus 5 (max) dalam tiga penanda aras di bawah. Ini ialah perbandingan yang dilaporkan oleh pihak Ant, bukannya keputusan ujian bebas yang disahkan di sini. 13
8
| Penanda aras | 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 |
Dalam DesignArena, sebuah arena penilaian untuk menukar imej kepada antara muka hadapan web, laporan pelancaran meletakkan model itu dalam kelompok 10 teratas dengan skor Elo 1,238. 8
Akses dan harga
Dokumentasi harga rasmi menyatakan Ling-3.2-flash tersedia secara percuma selama dua minggu selepas pelancaran, sebelum harga biasa berkuat kuasa semula. 3 API rasmi menyenaraikan sokongan model ini, termasuk input multimodal, dan panduan Ant turut menerangkan penggunaan melalui Claude Code.
1
4
5
Angka harga dolar yang disebut dalam sesetengah laporan tidak dapat dipastikan melalui petikan dokumentasi rasmi yang tersedia. Oleh itu, harga selepas tempoh promosi masih tidak jelas berdasarkan sumber ini. 3
13
17
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 "Ling-3.2-flash gabungkan pemahaman imej, teks dan video"?
Ling 3.2 flash menyokong input imej, teks dan video secara multimodal asli, dengan 560 bilion parameter keseluruhan, 25 bilion parameter aktif dan tetingkap konteks 1 juta token.
What are the key points to validate first?
Ling 3.2 flash menyokong input imej, teks dan video secara multimodal asli, dengan 560 bilion parameter keseluruhan, 25 bilion parameter aktif dan tetingkap konteks 1 juta token. Ant menyasarkan model ini untuk pemahaman visual kompleks, ejen multimodal jangka panjang, pemahaman dan interaksi 3D, serta tugasan multimodal perubatan.
What should I do next in practice?
Dalam keputusan yang dilaporkan oleh Ant, model ini mencatat skor lebih tinggi daripada Claude Opus 5 (max) dalam tiga penanda aras visual.