Ant Ling-3.2-flash nâng cấp thị giác gốc: mô hình hàng đầu 560B có thể xem hình để thao tác Blender, làm 3D

Động Sát Beating AI tin nhanh, Ant Ling phát hành Ling-3.2-flash, đưa năng lực đa phương thức nguyên bản vào mô hình hàng đầu 560B. Mô hình mới hỗ trợ đầu vào hình ảnh, văn bản và video, tập trung tăng cường hiểu biết thị giác phức tạp, tương tác 3D và năng lực Agent đa phương thức.

Mô hình mới kế thừa Ling-3.1-flash thế hệ trước với 560 tỷ tổng tham số, 25 tỷ tham số kích hoạt và ngữ cảnh 1 triệu Token, nhưng mở rộng từ suy luận văn bản sang hiểu biết thị giác nguyên bản. Ling-3.0-flash-VL trước đó đã hỗ trợ đầu vào hình ảnh và video, nhưng quy mô chỉ 124 tỷ tổng tham số, 5,5 tỷ tham số kích hoạt, ngữ cảnh 256 nghìn Token.

Trong bản demo chính thức, mô hình mới có thể tạo trang web dựa trên hình ảnh, vận hành Blender tạo cảnh 3D, còn có thể đọc PDF bài báo chứa công thức và biểu đồ, viết thuật toán trong đó thành mã có thể chạy được.

Tự kiểm tra của Ant cho thấy, mô hình mới vượt Claude Opus 5 (max) trong ba đánh giá: hiểu tài liệu, suy luận thị giác phức tạp và tạo trang web từ hình ảnh. Trong đó, Vision2Web đạt 85,86 điểm, so với 80,20 của Opus 5. Trên bảng xếp hạng tạo giao diện từ hình ảnh của DesignArena bên thứ ba, Ling-3.2-flash đứng thứ 10 với 1238 Elo.

Hiện mô hình đã mở trải nghiệm web và API, miễn phí hai tuần đầu.