AnswersPublished21 sources
Ling-3.2-flash: Ant Groups nya multimodala modell har ett sammanhang på en miljon token
Ling 3.2 flash är en multimodal modell som enligt Ant integrerar bild, text och video på arkitekturnivå. Modellen har ett sammanhangsfönster på en miljon token och är inriktad på bland annat visuell förståelse, långvariga multimodala agentuppgifter, 3D och medicinska tillämpningar.
Publicerad avBilder genererade med GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash är en multimodal modell som enligt Ant integrerar bild, text och video på arkitekturnivå.
- Modellen har ett sammanhangsfönster på en miljon token och är inriktad på bland annat visuell förståelse, långvariga multimodala agentuppgifter, 3D och medicinska tillämpningar.
- Ants egna jämförelser visar högre poäng än Claude Opus 5 (max) på tre redovisade benchmarktest.
- Lanseringsdatumet anges som den 6 november i viss rapportering, medan annan täckning och Ants dokumentation pekar på den 5 november.
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 har presenterat Ling-3.2-flash, en multimodal AI-modell som tar emot bild, text och video. Företaget beskriver den som en modell där de olika inmatningstyperna är integrerade i själva arkitekturen – inte bara tillagda som separata funktioner. 6
4
Modellen har 560 miljarder parametrar totalt, varav omkring 25 miljarder aktiveras åt gången, och ett sammanhangsfönster på upp till en miljon token. 2 Ant lyfter särskilt fram avancerad visuell förståelse, AI-agenter som arbetar med multimodala uppgifter över flera steg, 3D-förståelse och interaktion samt medicinska multimodala uppgifter.
6
7
Stor modell – men alla parametrar används inte samtidigt
Ling-3.2-flash uppges använda en blandning-av-experter-arkitektur, ofta förkortad MoE. I en sådan modell aktiveras bara en del av parametrarna för varje steg, i stället för att hela modellen räknar på varje token. Enligt den rapporterade beskrivningen innebär det att Ling-3.2-flash har 560 miljarder parametrar totalt men omkring 25 miljarder aktiva åt gången. 12
Det är alltså skillnad på modellens totala storlek och hur många parametrar som är aktiva i en viss beräkning. Ant framhåller kombinationen som ett sätt att förena stor modellkapacitet med lägre beräkningsarbete per steg. 12
Ants jämförelse med Claude Opus 5
I resultat som Ant har redovisat får Ling-3.2-flash högre poäng än Claude Opus 5 (max) i tre benchmarktest. Resultaten kommer från Ant och ska därför ses som företagets egna jämförelser, inte som oberoende verifierade testresultat. 13
| Benchmark | 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 |
Lanseringsrapporteringen uppger också att modellen kom in bland de tio främsta i DesignArenas bild-till-frontend-arena, med en Elo-poäng på 1 238. 8
Tillgång och lanseringsdatum
Ants dokumentation anger att modellen kan användas via företagets API, där den är kompatibel med OpenAI:s API-format. Dokumentationen beskriver också stöd för Anthropic-protokollet och visar hur modellen används i Claude Code. 4
5
6 Enligt Ants prisinformation är Ling-3.2-flash gratis under de två första veckorna efter lanseringen; därefter ska ordinarie priser börja gälla.
3
Det finns en mindre oklarhet kring exakt lanseringsdag: en rapport daterad den 6 november säger att Ant presenterade modellen den dagen, medan annan rapportering och Ants utvecklardokumentation anger den 5 november. Källorna här löser inte skillnaden. 8
10
1
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: Ant Groups nya multimodala modell har ett sammanhang på en miljon token"?
Ling 3.2 flash är en multimodal modell som enligt Ant integrerar bild, text och video på arkitekturnivå.
What are the key points to validate first?
Ling 3.2 flash är en multimodal modell som enligt Ant integrerar bild, text och video på arkitekturnivå. Modellen har ett sammanhangsfönster på en miljon token och är inriktad på bland annat visuell förståelse, långvariga multimodala agentuppgifter, 3D och medicinska tillämpningar.
What should I do next in practice?
Ants egna jämförelser visar högre poäng än Claude Opus 5 (max) på tre redovisade benchmarktest.