Modelo ling 3.2 flash da ant group lança, superando o claude opus 5 em principais métricas

A Ant Group revelou seu modelo multimodal nativo, Ling-3.2-flash, que possui um total de 560 bilhões de parâmetros e 25 bilhões de parâmetros de ativação, com uma janela de contexto de 1 milhão. O modelo integra nativamente capacidades visuais e de linguagem, suportando entradas de imagens, texto e vídeo, com melhorias específicas em compreensão visual complexa, funcionalidade de agente multimodal de longo alcance, compreensão 3D e análise multimodal médica. Em avaliações divulgadas pela Ant Group, o Ling-3.2-flash superou o Claude Opus 5 da Anthropic em três benchmarks. Especificamente, no campo de DesignArena de imagem para frontend, o modelo alcançou uma pontuação Elo de 1238, colocando-o entre concorrentes como Meta, DeepSeek e Anthropic. A arquitetura do modelo equilibra o armazenamento de grande conhecimento com custos de inferência controlados, típicos de uma configuração Mixture-of-Experts (MoE). O preço da API é definido em $0,30 por milhão de tokens de entrada e $0,90 por milhão de tokens de saída, conforme observado pela DesignArena, o que é a taxa mais baixa entre modelos de desempenho comparável. A API está agora disponível na plataforma Ant Bailian, suportando protocolos OpenAI e Anthropic, e é oferecida com um período de teste gratuito de duas semanas.