蚂蚁发布多模态模型Ling-3.2-flash
摘要
蚂蚁百灵发布Ling-3.2-flash，为560B旗舰模型加入原生视觉能力，支持图像、文本和视频输入，可看图操作Blender做3D、制作网页、读论文PDF并写代码。总参数5600亿，激活参数250亿，上下文100万Token。Vision2Web得分85.86，高于Claude Opus 5的80.20，网页体验和API前两周免费。
原文片段
蚂蚁Ling-3.2-flash升级原生视觉：560B旗舰能看图操作Blender、做3D 动察 Beating AI 快讯，蚂蚁百灵发布 Ling-3.2-flash，将原生多模态能力带入 560B 旗舰模型。新模型支持图像、文本和视频输入，重点强化复杂视觉理解、3D 交互和多模态 Agent 能力。 新模型沿用上一代 Ling-3.1-flash 的 5600 亿总参数、250 亿激活参数和 100 万 Token 上下文，但从文本推理进一步扩展到原生视觉理解。此前的 Ling-3.0-flash-VL 已支持图像和视频输入，但规模只有 1240 亿总参数、55 亿激活参数，上下文为 …