Ant Ling presenta Ling-3.2-flash, un modello multimodale da 560B che, secondo l’azienda, supera Opus 5 in tre benchmark

Ant Ling ha annunciato Ling-3.2-flash, che definisce un modello multimodale nativo con 560B di parametri totali e 25B attivi. Secondo l’azienda, il modello è più efficace nella comprensione visiva complessa, negli agenti multimodali con orizzonti temporali lunghi, nella comprensione e nell’interazione 3D e nell’intelligenza medica.

Le valutazioni della stessa Ant Ling, non verificate in modo indipendente, affermano che il modello supera Opus 5 (max) in tre benchmark:

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

Le demo mostrano il modello coordinare agenti specialistici per trasformare dati finanziari in un rapporto, una presentazione di sei slide e un video con i momenti salienti; realizzare interfacce frontend responsive e usare Blender; ricreare risorse di gioco in 3D a partire da una singola immagine di riferimento 2D; trasformare PDF di ricerca in codice funzionante; e stimare calorie e nutrienti dalle foto dei pasti. Ant Ling afferma che gli utenti possono provare il modello su Computrix.