AnswersPublished25 sources
Ling-3.2-flash tar imot både bilder, tekst og video
Ling 3.2 flash støtter bilder, tekst og video, har 560 milliarder parametere totalt og 25 milliarder aktive parametere, samt et kontekstvindu på én million tokens. Ant trekker fram visuell forståelse, multimodale agenter, 3D forståelse og medisinske oppgaver som modellens viktigste bruksområder.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash støtter bilder, tekst og video, har 560 milliarder parametere totalt og 25 milliarder aktive parametere, samt et kontekstvindu på én million tokens.
- Ant trekker fram visuell forståelse, multimodale agenter, 3D forståelse og medisinske oppgaver som modellens viktigste bruksområder.
- Ants dokumentasjon oppgir gratis tilgang de to første ukene, via chat og API er som er kompatible med OpenAI og Anthropic protokollene.
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 lansert Ling-3.2-flash, en multimodal modell som kan ta imot bilder, tekst og video. Ifølge selskapets dokumentasjon har den et kontekstvindu på opptil én million tokens, 560 milliarder parametere totalt og 25 milliarder aktive parametere. Ant framhever særlig visuell forståelse og multimodale agenter. Benchmarkresultatene ser sterke ut, men er rapportert av Ant og bygger på et begrenset utvalg tester – de dokumenterer ikke at modellen generelt er bedre enn konkurrentene. 1
3
6
20
Lanseringsomtalen kom 6. november, mens Ants modell- og API-dokumentasjon er datert 5. november. Kildene spriker altså med én dag om tidspunktet for lanseringen. 1
3
6
Hva Ling-3.2-flash byr på
Ant beskriver Ling-3.2-flash som multimodal fra grunnen av: Modellen kan behandle bilde, tekst og video, også via selskapets OpenAI-kompatible API. Kontekstvinduet er oppgitt til opptil én million tokens. Modellen har 560 milliarder parametere totalt, hvorav 25 milliarder aktiveres. 1
3
Lanseringsomtalen beskriver arkitekturen som en blanding-av-eksperter-modell (MoE). I slike modeller viser tallet for aktive parametere til delen som brukes i en gitt beregning. Det betyr at 25 milliarder ikke er modellens totale størrelse: Oppgitte tall er 560 milliarder totalt og 25 milliarder aktive. 7
10
Ant trekker fram fire satsingsområder: avansert visuell forståelse, multimodale agenter som kan håndtere oppgaver over lengre tid, forståelse og samhandling med 3D, samt medisinske multimodale oppgaver. Dette er selskapets egne prioriteringer, ikke uavhengige vurderinger av hvor godt modellen presterer på hvert område. 1
6
Hva skiller den fra tidligere Ling-modeller?
Ants dokumentasjon lister Ling-3.1-flash og Ling-3.0-flash-VL sammen med den nye modellen. Ling-3.0-flash-VL støttet allerede bilde- og videoinndata, så Ling-3.2-flash er ikke den første modellen i Ling-serien med videostøtte. 2
5
Ant omtaler Ling-3.2-flash som den nyeste generasjonen og oppgir én million tokens i kontekst samt parameterstørrelsen på 560 milliarder totalt og 25 milliarder aktive. Kildene gir ikke en fullstendig sammenligning av spesifikasjonene til Ling-3.1-flash og Ling-3.2-flash. Det er derfor vanskelig å fastslå nøyaktig hvor mye den nye modellen forbedrer forgjengeren. 1
2
Ants benchmarkresultater – med forbehold
I resultater som Ant selv har publisert, scorer Ling-3.2-flash høyere enn Claude Opus 5 (max) på tre benchmarktester. Materialet som er tilgjengelig her, inneholder ikke uavhengig verifisering av sammenligningene. 6
20
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| ZEROBench-subsett | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
En forsiktig konklusjon er at Ling-3.2-flash gjorde det godt på disse rapporterte testene, som blant annet omfatter dokumentforståelse og oppgaver der visuelt innhold brukes til å lage nettsider. Resultatene sier ikke i seg selv hvordan modellen vil gjøre det på andre evalueringer eller på generell resonnering. 6
20
Lanseringsomtalen opplyser også at modellen kom blant de ti beste i DesignArenas konkurranse for å lage frontend fra bilder, med en Elo-score på 1 238. DesignArenas rangering viser samme score. 6
25
Tilgang, gratisperiode og prisforbehold
Ants dokumentasjon sier at Ling-3.2-flash kan prøves i en chatløsning, og at API-et støtter protokoller som er kompatible med OpenAI og Anthropic. Selskapet bekrefter også et gratis tilbud de to første ukene etter lansering. 4
27
28
Noen lanseringsartikler oppgir en pris på 0,30 dollar per million inndatatokens og 0,90 dollar per million utdata-tokens. Utdraget fra Ants offisielle prisside bekrefter imidlertid gratisperioden, men dokumenterer ikke disse ordinære prisene for Ling-3.2-flash. Betrakt derfor beløpene som rapporterte priser, ikke som verifisert av det offisielle prisutdraget. 7
15
27
Er vektene åpne?
Lanseringsomtalen som er tilgjengelig her, oppgir at vektene til Ling-3.2-flash ikke var publisert ved lansering. Den rapporterer også at vektene til Ling-3.1-flash var tilgjengelige under MIT-lisens. Det betyr ikke at Ling-3.2-flash vil få samme lisens – eller at vektene blir åpne i det hele tatt. 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 "Ling-3.2-flash tar imot både bilder, tekst og video"?
Ling 3.2 flash støtter bilder, tekst og video, har 560 milliarder parametere totalt og 25 milliarder aktive parametere, samt et kontekstvindu på én million tokens.
What are the key points to validate first?
Ling 3.2 flash støtter bilder, tekst og video, har 560 milliarder parametere totalt og 25 milliarder aktive parametere, samt et kontekstvindu på én million tokens. Ant trekker fram visuell forståelse, multimodale agenter, 3D forståelse og medisinske oppgaver som modellens viktigste bruksområder.
What should I do next in practice?
Ants dokumentasjon oppgir gratis tilgang de to første ukene, via chat og API er som er kompatible med OpenAI og Anthropic protokollene.
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 ...