Ant Ling presenta Ling-3.2-flash, un modelo multimodal de 560B que, según afirma, supera a Opus 5 en tres benchmarks

Ant Ling anunció Ling-3.2-flash, al que describe como un modelo multimodal nativo con 560B de parámetros totales y 25B activos. Afirma que el modelo destaca más en comprensión visual compleja, agentes multimodales de largo horizonte, comprensión e interacción 3D e inteligencia médica.

Las evaluaciones de lanzamiento de Ant Ling, que no han sido confirmadas de forma independiente, indican que supera a Opus 5 (max) en tres benchmarks:

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

Sus demostraciones muestran al modelo coordinando agentes especializados para convertir datos financieros en un informe, una presentación de seis diapositivas y un video con los momentos destacados; creando interfaces frontend adaptables y manejando Blender; recreando en 3D recursos de videojuegos a partir de una sola imagen de referencia 2D; convirtiendo PDF de investigación en código funcional; y estimando calorías y nutrientes a partir de fotos de comidas. Ant Ling dice que los usuarios pueden probar el modelo en Computrix.