Ant Ling przedstawia Ling-3.2-flash, multimodalny model o 560B parametrów, który według firmy przewyższa Opus 5 w trzech benchmarkach

Ant Ling ogłosiło Ling-3.2-flash, określany przez firmę jako natywny model multimodalny z 560B parametrów łącznie i 25B aktywnych parametrów. Według firmy model lepiej radzi sobie ze złożonym rozumieniem obrazu, agentami multimodalnymi działającymi w długim horyzoncie, rozumieniem i interakcją w 3D oraz inteligencją medyczną.

Wyniki testów opublikowane przez Ant Ling, które nie zostały niezależnie potwierdzone, wskazują, że model uzyskuje lepsze wyniki niż Opus 5 (max) w trzech benchmarkach:

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

Dema pokazują, jak model koordynuje pracę wyspecjalizowanych agentów, by przekształcić dane finansowe w raport, prezentację z sześcioma slajdami i wideo z najważniejszymi informacjami; tworzy responsywne interfejsy frontendowe i obsługuje Blender; odtwarza zasoby gry w 3D na podstawie pojedynczego obrazu referencyjnego 2D; przekształca badawcze pliki PDF w działający kod; oraz szacuje kalorie i składniki odżywcze na podstawie zdjęć posiłków. Ant Ling informuje, że użytkownicy mogą wypróbować model na Computrix.