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 25.6 万 Token。

官方演示中，新模型可以根据图片制作网页，操作 Blender 创建 3D 场景，还能读取包含公式和图表的论文 PDF，将其中的算法写成可运行的代码。

蚂蚁自测显示，新模型在文档理解、复杂视觉推理和看图制作网页三项评测中超过 Claude Opus 5（max）。其中，Vision2Web 得分 85.86，对比 Opus 5 的 80.20。第三方 DesignArena 的看图生成前端榜单上，Ling-3.2-flash 以 1238 Elo 排名第 10。

目前模型已开放网页体验和 API，前两周免费。