Ling-3.2-flash Inafanya kazi

Ling-3.2-flash ni modeli kubwa ya hivi karibuni ya Ant Ling yenye uwezo wa asili wa kutumia aina nyingi za data, inayotumia usanifu wa MoE, ikiwa na jumla ya vigezo 560B na kuwasha takriban 25B pekee kwa kila hatua. Ina dirisha la muktadha la hadi 1M na inasaidia asili uingizaji wa picha, maandishi na video. Modeli hii imeimarisha hasa uwezo wa kuelewa maono changamano, Agent wa muda mrefu wa aina nyingi za data, uelewa na mwingiliano wa 3D, pamoja na matumizi ya aina nyingi za data katika tiba. Kulingana na majaribio rasmi ya ndani, imepita Claude Opus 5 katika vipimo vitatu.

Uelewa wa maono changamano: Huelewa kwa kina maudhui ya picha na video, na kusaidia kazi za hoja na uchanganuzi wa kuona.
Agent wa muda mrefu wa aina nyingi za data: Hudumisha lengo katika kazi za hatua nyingi, na kufanya maamuzi na utekelezaji kwa kuzingatia taarifa za kuona na maandishi.
Uelewa na mwingiliano wa 3D: Huchanganua mandhari ya pande tatu na uhusiano wa anga, na kusaidia kazi za mwingiliano zinazohusiana na 3D.
Aina nyingi za data katika tiba: Inahusisha uelewa wa picha za kimatibabu na tafsiri ya ripoti, na kusaidia uchanganuzi wa kitaalamu wa kimatibabu.
Uchakataji wa muktadha wa 1M: Inasaidia uchanganuzi wa nyaraka ndefu na video ndefu, na kukidhi mahitaji ya mazingira yenye muktadha mrefu.

Usanifu wa MoE wenye wataalamu mseto: Ling-3.2-flash hutumia usanifu wa wataalamu mseto, ikiwa na jumla ya vigezo 560B na kuwasha takriban 25B pekee kwa kila hatua. Kila tokeni huelekezwa kwenye mtandao mdogo wa wataalamu unaohusiana zaidi, hivyo kuhifadhi uwezo mkubwa wa maarifa huku ikipunguza gharama ya hesabu ya kila hatua hadi sehemu ndogo sana. Huu ndio utaratibu mkuu unaowezesha modeli kusawazisha uwezo na gharama ya uelekezaji.
Muunganisho wa asili wa aina nyingi za data: Tofauti na suluhisho zinazotumia moduli ya kuona ya nje, modeli hii huunganisha uwezo wa kuona na lugha asili katika kiwango cha usanifu. Huchukulia picha, maandishi na video kama pembejeo za msingi za uelekezaji, hivyo kufanikisha uelewa wa kina zaidi kati ya aina mbalimbali za data. Hili ndilo linaloitofautisha na uelewa wa juu juu wa aina nyingi za data wa mtindo wa “kutazama picha na kueleza”.
Uundaji wa muktadha mrefu: Dirisha la muktadha la modeli linafikia 1M, na inaendelea kutumia KDA iliyoanzishwa katika mfululizo wa Ling 3.0 ili kuimarisha usasishaji wa kumbukumbu na uhifadhi wa taarifa katika mfuatano mrefu. Hivyo, taarifa lengwa zinaweza kurejeshwa kwa uthabiti bila kujali ziko mwanzoni, katikati au mwishoni mwa muktadha, bila kupungua dhahiri kwa taarifa za muda mrefu.
Mzunguko kamili wa utambuzi-hoja-utekelezaji: Modeli huunganisha kwa karibu utambuzi wa aina nyingi za data, hoja ya kina na utekelezaji unaojiendesha. Inaendeleza wazo la mzunguko wa maoni ya kuona wa “kutazama→kutenda→kuthibitisha→kurekebisha” kutoka Ling-3.0-flash-VL, na inaweza kuendelea kurekebisha njia kwa kuzingatia matokeo ya kati inapotekeleza kazi za hatua nyingi.

Tembelea jukwaa: Tembelea tovuti rasmi ya Ant Ling na ufungue ukurasa wa mazungumzo wa Ling-3.2-flash ili kuijaribu moja kwa moja mtandaoni.
Pata ufunguo: Unda ufunguo wa API katika dashibodi ya jukwaa ili uutumie kama kitambulisho cha maombi.
Anzisha ombi: Tuma ombi la kwanza kupitia API. Modeli inaoana na itifaki za OpenAI na Anthropic, hivyo unaweza kuiunganisha na msimbo uliopo kwa njia unayoifahamu.
Tumia kipindi cha bila malipo: Katika wiki mbili za kwanza baada ya kuzinduliwa, huduma ni ya bila malipo kwa muda maalum. Itumie kuijaribu kikamilifu kabla ya kutathmini malipo.
Chunguza uwezo wa hali ya juu: Jaribu zaidi muktadha mrefu wa 1M, uingizaji wa picha/video na kazi za Agent za aina nyingi za data.

Uelewa wa asili wa aina nyingi za data: Huunganisha asili uwezo wa kuona na lugha katika kiwango cha usanifu, bila kutegemea moduli ya kuona ya nje.
Uwezo mkuu minne: Huimarisha hasa uelewa wa maono changamano, Agent wa muda mrefu wa aina nyingi za data, uelewa na mwingiliano wa 3D, pamoja na matumizi ya aina nyingi za data katika tiba, huku ikiunganisha kwa karibu utambuzi, hoja na utekelezaji.
Usawazishaji wa uwezo na gharama: Huhifadhi uwezo wa modeli wa 560B huku ikidhibiti vigezo vinavyowashwa kwa kila hatua hadi takriban 25B, hivyo kusawazisha uwezo na ufanisi wa uelekezaji.
Dirisha la muktadha la 1M: Inasaidia uchanganuzi wa nyaraka ndefu na video ndefu, na kukidhi mahitaji ya mazingira yenye muktadha mrefu.

Tovuti rasmi ya mradi: https://developer.ant-ling.com/zh-CN/docs/models/ling/#ling-32-flash

Uelewa wa maono changamano: Ling-3.2-flash inaweza kuelewa kwa kina maudhui ya picha na video, na kutoa msingi kwa kazi za hoja na uchanganuzi wa kuona.
Agent wa muda mrefu wa aina nyingi za data: Modeli inaweza kudumisha lengo katika kazi za hatua nyingi, na kufanya maamuzi na utekelezaji kwa kuzingatia taarifa za kuona na maandishi.
Uelewa na mwingiliano wa 3D: Modeli inaweza kuelewa mandhari ya pande tatu na uhusiano wa anga, na kusaidia kazi mbalimbali za mwingiliano zinazohusiana na 3D.
Aina nyingi za data katika tiba: Modeli inaweza kuelewa picha za kimatibabu na kutafsiri ripoti, na kusaidia madaktari katika uchanganuzi wa kitaalamu wa kimatibabu.
Uchanganuzi wa nyaraka ndefu na video ndefu: Kwa kutumia dirisha la muktadha la 1M, modeli inaweza kuchakata nyaraka ndefu sana na maudhui ya video ndefu, na kukidhi mahitaji ya mazingira yenye muktadha mrefu.