蚂蚁集团旗下Ant Ling在2026年11月5日的官方更新中宣布上线Ling-3.2-flash。这是一款原生多模态模型,官方披露其总参数量为5600亿、激活参数约250亿,支持100万上下文窗口,并可直接处理图像、文本和视频输入。官方更新记录
从产品定位看,Ling-3.2-flash并非只是在文本模型外接视觉编码器,而是将多模态输入纳入同一模型能力范围。官方将其重点应用方向概括为复杂视觉理解、多模态长程智能体、3D理解与交互,以及医疗多模态。模型目前可通过聊天界面体验,并提供兼容OpenAI和Anthropic协议的API,官方称上线后前两周免费。
公开文档显示,模型接口支持图像和视频内容块;视频输入目前存在明确限制,包括单次请求最多一个视频、时长不超过30秒、固定每秒2帧采样且最多处理32帧。多模态理解官方文档 这些限制说明,当前产品更适合短视频分析、图文档案理解和带视觉输入的工具调用,不宜直接理解为可无约束处理长视频或复杂医疗任务。
这条信息的价值在于,模型厂商正在把“能看图”进一步推进到持续任务执行、空间理解和专业场景辅助。不过,现有参数规模、能力方向和免费政策主要来自厂商公开资料,独立评测、长期稳定性、实际调用成本以及医疗应用合规性仍有待后续验证。因此,现阶段更适合将其视为一次重要产品发布,而不是已经完成行业普及的结论。
参考来源:
- Changelog|Ant Ling官方更新记录 2026-11-05
- Multimodal Understanding|Ant Ling官方文档 2026-11-05
由 AI 整理,仅供参考;请以原始来源为准。
帖子详情