Ant Ling apresenta o Ling-3.2-flash, um modelo multimodal de 560B que, segundo a empresa, supera o Opus 5 em três benchmarks

A Ant Ling anunciou o Ling-3.2-flash, que descreve como um modelo multimodal nativo com 560B de parâmetros totais e 25B ativos. Segundo a empresa, o modelo é mais forte em compreensão visual complexa, agentes multimodais de longo horizonte, compreensão e interação 3D e inteligência médica.

As avaliações de lançamento da própria Ant Ling, que não foram confirmadas de forma independente, afirmam que o modelo supera o Opus 5 (max) em três benchmarks:

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

As demonstrações mostram o modelo coordenando agentes especializados para transformar dados financeiros em um relatório, uma apresentação de seis slides e um vídeo de destaques; criando interfaces front-end responsivas e operando o Blender; recriando assets de jogos em 3D a partir de uma única imagem de referência 2D; transformando PDFs de pesquisa em código funcional; e estimando calorias e nutrientes a partir de fotos de refeições. A Ant Ling diz que os usuários podem testar o modelo no Computrix.