AnswersPublished25 sources
Ant Groups nya AI-modell tar emot både bilder och video
Ling 3.2 flash är Ant Groups multimodala modell med stöd för bild, text och video, en kontext på upp till en miljon tokens samt 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar. Ant pekar ut avancerad visuell förståelse, multimodala agenter för långa uppgifter, 3D förståelse och medicinska tillämpn...
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Ling 3.2 flash är Ant Groups multimodala modell med stöd för bild, text och video, en kontext på upp till en miljon tokens samt 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar.
- Ant pekar ut avancerad visuell förståelse, multimodala agenter för långa uppgifter, 3D förståelse och medicinska tillämpningar som modellens fokusområden.
- Ants dokumentation bekräftar en två veckor lång gratisperiod efter lanseringen och åtkomst via chatt och API:er kompatibla med OpenAI och Anthropic protokoll.
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 lanserat Ling-3.2-flash, en multimodal AI-modell som kan ta emot text, bilder och video. Enligt Ant har modellen en kontext på upp till en miljon tokens, 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar. Företaget framhåller visuell förståelse och multimodala agenter som centrala användningsområden. Benchmarkresultaten ser lovande ut, men de är rapporterade av Ant och bygger på ett begränsat antal tester – inte på oberoende belägg för att modellen är bäst i stort. 1
3
6
20
Lanseringen uppmärksammades i nyhetsrapportering den 6 november, medan Ants modell- och API-dokumentation är daterad den 5 november. De tillgängliga källorna skiljer sig alltså åt med en dag om tidpunkten. 1
3
6
Det här erbjuder Ling-3.2-flash
Ant beskriver Ling-3.2-flash som en modell med inbyggt stöd för flera medietyper: den kan hantera bild, text och video, även via företagets OpenAI-kompatibla API. Kontextfönstret anges till upp till en miljon tokens. Modellen listas med 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar. 1
3
Lanseringsrapporteringen beskriver modellen som en så kallad mixture-of-experts-modell (MoE). I en sådan konstruktion syftar antalet aktiva parametrar på den del av modellen som används vid ett givet tillfälle. Det betyder att Ling-3.2-flash har 560 miljarder parametrar totalt och 25 miljarder aktiva – inte att hela modellen bara består av 25 miljarder parametrar. 7
10
Ant pekar ut fyra fokusområden: avancerad visuell förståelse, multimodala agenter som kan hantera uppgifter över längre tid, förståelse och interaktion i 3D samt medicinska multimodala uppgifter. Det är företagets beskrivning av modellens inriktning, inte en oberoende utvärdering av hur väl den presterar inom vart och ett av områdena. 1
6
Vad är nytt jämfört med tidigare Ling-modeller?
I Ants dokumentation listas Ling-3.1-flash och Ling-3.0-flash-VL också. Företaget beskriver dessutom Ling-3.0-flash-VL som en modell med inbyggt stöd för bild, text och video. Ling-3.2-flash bör därför inte beskrivas som den första modellen i Ling-serien som kan hantera video. 2
5
Ant presenterar Ling-3.2-flash som den senaste generationen och anger en kontext på en miljon tokens samt 560 miljarder totala och 25 miljarder aktiva parametrar. Det underlag som finns här ger däremot ingen fullständig jämförelse mellan modellerna på samma villkor. Påståenden om exakt hur mycket Ling-3.2-flash förbättrar Ling-3.1-flash bör därför tas med en nypa salt. 1
2
Ants benchmarkresultat – och vad de säger
I resultat som Ant har publicerat fick Ling-3.2-flash högre poäng än Claude Opus 5 (max) i tre benchmarktester. Jämförelserna är rapporterade av företaget och har inte verifierats oberoende i det tillgängliga underlaget. 6
20
| Benchmark | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92,21 | 90,56 |
| ZEROBench, delmängd | 43,71 | 39,52 |
| Vision2Web | 85,86 | 80,20 |
Resultaten ger stöd för en mer avgränsad slutsats: Ling-3.2-flash presterade väl i de redovisade testerna, som bland annat omfattar dokument och uppgifter där visuellt material omvandlas till webbinnehåll. De visar inte hur modellen står sig i andra utvärderingar eller i allmänna resonemangstester. 6
20
Separat rapporterade medier vid lanseringen att Ling-3.2-flash tog sig in på topp tio i DesignArenas jämförelse för att skapa gränssnitt från bilder, med ett Elo-resultat på 1 238. Även DesignArenas topplista visar modellen på 1 238. 6
25
Tillgång, gratisperiod och prisfrågan
Enligt Ants dokumentation går Ling-3.2-flash att använda via ett chattgränssnitt. API:et stöder protokoll som är kompatibla med OpenAI och Anthropic. Ant bekräftar också att modellen erbjuds gratis under de två första veckorna efter lanseringen. 4
27
28
Viss lanseringsrapportering anger priser på 0,30 dollar per miljon indatatokens och 0,90 dollar per miljon utdatatokens. Det utdrag som finns från Ants officiella prissida bekräftar dock gratisperioden, men inte de ordinarie priserna för Ling-3.2-flash. Se därför dollarbeloppen som rapporterade priser, inte som verifierade av det officiella prisunderlaget här. 7
15
27
Är Ling-3.2-flash öppen?
Lanseringsrapporteringen som finns tillgänglig här uppger att Ling-3.2-flashs vikter inte hade släppts vid lanseringen. Den rapporterar också att vikterna till Ling-3.1-flash fanns tillgängliga under MIT-licens. Det betyder inte att Ling-3.2-flash kommer att få samma licens – eller att dess vikter över huvud taget kommer att släppas öppet. 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 "Ant Groups nya AI-modell tar emot både bilder och video"?
Ling 3.2 flash är Ant Groups multimodala modell med stöd för bild, text och video, en kontext på upp till en miljon tokens samt 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar.
What are the key points to validate first?
Ling 3.2 flash är Ant Groups multimodala modell med stöd för bild, text och video, en kontext på upp till en miljon tokens samt 560 miljarder parametrar totalt och 25 miljarder aktiva parametrar. Ant pekar ut avancerad visuell förståelse, multimodala agenter för långa uppgifter, 3D förståelse och medicinska tillämpningar som modellens fokusområden.
What should I do next in practice?
Ants dokumentation bekräftar en två veckor lång gratisperiod efter lanseringen och åtkomst via chatt och API:er kompatibla med OpenAI och Anthropic protokoll.
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 ...