คำตอบเผยแพร่แล้ว19 แหล่งที่มา
Ling-3.2-flash โมเดลใหม่ของ Ant Group รวมภาพ ข้อความ และวิดีโอไว้ในโมเดลเดียว
Ling 3.2 flash รองรับภาพ ข้อความ และวิดีโอโดยตรง มีพารามิเตอร์รวม 560,000 ล้าน พารามิเตอร์ที่เปิดใช้งาน 25,000 ล้าน และหน้าต่างบริบท 1 ล้านโทเคน [6] Ant Group ระบุว่ามุ่งพัฒนาความสามารถด้านการทำความเข้าใจภาพที่ซับซ้อน เอเจนต์มัลติโมดัลที่ทำงานหลายขั้นตอน ความเข้าใจและโต้ตอบกับ 3D รวมถึงงานมัลติโมดัลทางการแพทย์ [6][7...
เผยแพร่โดยรูปภาพสร้างด้วย GPT Image 2
คำตอบการวิจัย
ประเด็นสำคัญ
- Ling 3.2 flash รองรับภาพ ข้อความ และวิดีโอโดยตรง มีพารามิเตอร์รวม 560,000 ล้าน พารามิเตอร์ที่เปิดใช้งาน 25,000 ล้าน และหน้าต่างบริบท 1 ล้านโทเคน [6]
- Ant Group ระบุว่ามุ่งพัฒนาความสามารถด้านการทำความเข้าใจภาพที่ซับซ้อน เอเจนต์มัลติโมดัลที่ทำงานหลายขั้นตอน ความเข้าใจและโต้ตอบกับ 3D รวมถึงงานมัลติโมดัลทางการแพทย์ [6][7]
- ผลทดสอบที่ Ant รายงานระบุว่าโมเดลทำคะแนนเหนือ Claude Opus 5 (max) ใน 3 เบนช์มาร์ก แต่เป็นผลจากการประเมินของบริษัท ไม่ใช่ผลยืนยันจากการทดสอบอิสระ [13][8]
- โมเดลเปิดให้ใช้งานฟรีในช่วงสองสัปดาห์แรกหลังเปิดตัว และมีช่องทางใช้งานผ่าน API ที่รองรับรูปแบบ OpenAI; เอกสารของ Ant ยังระบุการรองรับโปรโตคอล Anthropic ด้วย [3][4][6]
AI พรอมต์
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 เปิดตัว Ling-3.2-flash ในฐานะโมเดลมัลติโมดัลรุ่นใหม่ที่รับภาพ ข้อความ และวิดีโอได้โดยตรง บริษัทระบุว่าโมเดลมีพารามิเตอร์รวม 560,000 ล้าน เปิดใช้งาน 25,000 ล้านพารามิเตอร์ และมีหน้าต่างบริบท 1 ล้านโทเคน 6
ข่าวที่เผยแพร่วันที่ 6 พฤศจิกายนระบุว่า Ant ประกาศเปิดตัวในวันนั้น แต่รายงานอื่นระบุวันเปิดตัวเป็น 5 พฤศจิกายน ข้อมูลที่มีจึงยังไม่ชี้ชัดถึงความต่างของวันที่ 8
10
จุดเด่นของสถาปัตยกรรมและการใช้งาน
Ant อธิบายว่า Ling-3.2-flash ผสานความสามารถด้านภาพและภาษาไว้ในสถาปัตยกรรมของโมเดล ไม่ได้รองรับแค่ข้อความเท่านั้น โดยเอกสาร API ที่เข้ากันได้กับ OpenAI ระบุชัดว่าคำขอสามารถส่งข้อความ ภาพ และวิดีโอเข้าโมเดลได้ 14
4
รายงานการเปิดตัวอธิบายแนวทางของโมเดลว่าเป็นสถาปัตยกรรมแบบ Mixture of Experts (MoE) ซึ่งเปิดใช้งานพารามิเตอร์เพียงบางส่วนในแต่ละขั้นตอน แทนการคำนวณด้วยพารามิเตอร์ทั้งหมด โดยระบุตัวเลขที่เปิดใช้งานไว้ราว 25,000 ล้าน จากทั้งหมด 560,000 ล้าน 12
Ant ระบุเป้าหมายการพัฒนาไว้ 4 ด้าน ได้แก่ การทำความเข้าใจภาพที่ซับซ้อน เอเจนต์มัลติโมดัลที่ทำงานระยะยาวและหลายขั้นตอน การทำความเข้าใจและโต้ตอบกับโลก 3D และงานมัลติโมดัลทางการแพทย์ 6
7
ผลทดสอบที่ Ant รายงาน
ผลประเมินที่ Ant เผยแพร่ระบุว่า Ling-3.2-flash ทำคะแนนสูงกว่า Claude Opus 5 (max) ในสามรายการต่อไปนี้ ทั้งนี้เป็นผลทดสอบที่รายงานโดยบริษัทเอง ไม่ใช่การยืนยันจากการทดสอบอิสระ 13
8
| เบนช์มาร์ก | 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 |
นอกจากนี้ รายงานข่าวระบุว่าโมเดลติด 10 อันดับแรกในสนาม Image-to-Frontend ของ DesignArena ด้วยคะแนน Elo 1,238 8
วิธีเข้าถึงและช่วงทดลองใช้
เอกสารราคาของ Ant ระบุว่า Ling-3.2-flash ใช้งานได้ฟรีในสองสัปดาห์แรกหลังเปิดตัว ก่อนกลับไปใช้อัตราปกติ 3 โมเดลใช้งานผ่าน API ที่รองรับรูปแบบ OpenAI และเอกสารของ Ant ระบุการรองรับโปรโตคอล Anthropic ด้วย
4
6 เอกสาร API ยังยืนยันการรับภาพ ข้อความ และวิดีโอผ่านคำขอของ Ling-3.2-flash
4
Studio Global AI
ทำการวิจัยต่อ
หน้านี้รวมคำตอบที่ได้รับการสนับสนุนจากแหล่งที่มาซึ่งคุณสามารถดำเนินการต่อภายใน Studio Global
คนยังถาม
คำตอบสั้น ๆ สำหรับ "Ling-3.2-flash โมเดลใหม่ของ Ant Group รวมภาพ ข้อความ และวิดีโอไว้ในโมเดลเดียว" คืออะไร
Ling 3.2 flash รองรับภาพ ข้อความ และวิดีโอโดยตรง มีพารามิเตอร์รวม 560,000 ล้าน พารามิเตอร์ที่เปิดใช้งาน 25,000 ล้าน และหน้าต่างบริบท 1 ล้านโทเคน [6]
ประเด็นสำคัญที่ต้องตรวจสอบก่อนคืออะไร?
Ling 3.2 flash รองรับภาพ ข้อความ และวิดีโอโดยตรง มีพารามิเตอร์รวม 560,000 ล้าน พารามิเตอร์ที่เปิดใช้งาน 25,000 ล้าน และหน้าต่างบริบท 1 ล้านโทเคน [6] Ant Group ระบุว่ามุ่งพัฒนาความสามารถด้านการทำความเข้าใจภาพที่ซับซ้อน เอเจนต์มัลติโมดัลที่ทำงานหลายขั้นตอน ความเข้าใจและโต้ตอบกับ 3D รวมถึงงานมัลติโมดัลทางการแพทย์ [6][7]
ฉันควรทำอย่างไรต่อไปในทางปฏิบัติ?
ผลทดสอบที่ Ant รายงานระบุว่าโมเดลทำคะแนนเหนือ Claude Opus 5 (max) ใน 3 เบนช์มาร์ก แต่เป็นผลจากการประเมินของบริษัท ไม่ใช่ผลยืนยันจากการทดสอบอิสระ [13][8]
แหล่งที่มา
developer.ant-ling.comChangelog - developer.ant-ling.com
news.aibase.comAnt Bailing Releases Ling 3.2 Flash: Surpasses Claude Opus 5 on Three Core Benchmarks, Free for the First Two Weeks
aicoder.comAnt Ling Launches Ling-3.2-flash: 560B/25B Native Multimodal ...
lookonchain.comElon Musk’s net worth returns to $1 trillion, surging by $88 billion in a single day. - Lookonchain - Looking for smartmoney onchain