Ant Ling stellt Ling-3.2-flash vor, ein multimodales Modell mit 560B Parametern, das laut Unternehmen Opus 5 bei drei Benchmarks übertrifft

Ant Ling hat Ling-3.2-flash angekündigt, ein nach eigenen Angaben nativ multimodales Modell mit insgesamt 560B und 25B aktiven Parametern. Das Modell sei besonders stark beim komplexen visuellen Verständnis, bei multimodalen Agenten mit langem Planungshorizont, beim 3D-Verständnis und bei Interaktionen sowie bei medizinischen Aufgaben.

Laut den eigenen, nicht unabhängig bestätigten Auswertungsergebnissen von Ant Ling übertrifft das Modell Opus 5 (max) bei drei Benchmarks:

• OmniDocBench1.5: 92.21 vs. 90.56
• ZEROBench (Sub): 43.71 vs. 39.52
• Vision2Web: 85.86 vs. 80.20

In den Demos koordiniert das Modell spezialisierte Agenten, um Finanzdaten in einen Bericht, eine Präsentation mit sechs Folien und ein Highlights-Video umzuwandeln; es erstellt responsive Frontends und bedient Blender; rekonstruiert Spiel-Assets in 3D anhand eines einzelnen 2D-Referenzbilds; wandelt Forschungs-PDFs in ausführbaren Code um; und schätzt Kalorien und Nährstoffe anhand von Essensfotos. Laut Ant Ling können Nutzer das Modell auf Computrix ausprobieren.