Ant Group ha presentato il 5 novembre 2026 Ling 3.2 Flash, un nuovo modello di intelligenza artificiale multimodale sviluppato per elaborare testo, immagini e video e supportare l’esecuzione di attività complesse attraverso agenti AI. Il modello dispone complessivamente di 560 miliardi di parametri, ma utilizza un’architettura Mixture of Experts che ne attiva circa 25 miliardi durante ciascuna operazione di inferenza. La quantità di parametri effettivamente coinvolti rappresenta quindi approssimativamente il 4,5% del totale, permettendo di ridurre il carico computazionale rispetto all’attivazione integrale di una rete di dimensioni equivalenti. Ling 3.2 Flash supporta inoltre una finestra di contesto fino a un milione di token, una caratteristica destinata all’elaborazione di documenti estesi e alla gestione di processi nei quali il modello deve mantenere disponibili grandi quantità di informazioni. L’architettura è stata progettata per combinare comprensione visiva, elaborazione del linguaggio e interazione con strumenti esterni, con particolare attenzione agli impieghi aziendali che richiedono l’esecuzione coordinata di più operazioni.
Ant Group ha diffuso risultati di valutazione relativi alla capacità del modello di interpretare documenti complessi, ragionare su contenuti visivi e trasformare immagini di interfacce grafiche in pagine web funzionanti. Nel benchmark OmniDocBench 1.5, dedicato all’analisi della struttura e del contenuto di documenti, Ling 3.2 Flash ha ottenuto 92,21 punti, rispetto ai 90,56 attribuiti a Claude Opus 5. In alcune prove di ZEROBench, utilizzate per valutare il ragionamento visivo, il modello di Ant Group ha raggiunto 43,71 punti contro 39,52 di Opus 5. Nella valutazione Vision2Web, che misura la capacità di convertire un progetto grafico rappresentato attraverso un’immagine in un’interfaccia web, Ling 3.2 Flash ha registrato 85,86 punti, rispetto agli 80,20 del modello Anthropic. Questi risultati provengono dalle misurazioni comunicate da Ant Group e riguardano specifiche capacità di comprensione dei documenti e dei contenuti visivi. Non costituiscono quindi una dimostrazione di superiorità generale rispetto a Claude Opus 5, per la quale sarebbero necessarie ulteriori valutazioni indipendenti anche nelle attività di ragionamento linguistico, programmazione e utilizzo di strumenti.
Una conferma esterna delle capacità di realizzazione di interfacce è arrivata da DesignArena, piattaforma che valuta i risultati dei modelli attraverso confronti tra implementazioni grafiche. Ling 3.2 Flash ha raggiunto il decimo posto nella classifica Image to Frontend Arena, con un punteggio Elo di 1.238. Nelle prove riguardanti la realizzazione di siti web aziendali ha ottenuto una percentuale di vittorie di circa il 60%, mentre nella creazione di portfolio personali il valore è risultato vicino al 63%. I test prendono in considerazione la capacità di interpretare un riferimento visivo e tradurlo in una pagina effettivamente realizzabile, un’operazione che richiede il riconoscimento degli elementi grafici, delle proporzioni, della disposizione dei componenti e delle relazioni tra le diverse parti dell’interfaccia. L’integrazione di queste capacità in un modello multimodale consente di utilizzare immagini e schermate come input operativi per la generazione di contenuti software, evitando di dover descrivere esclusivamente attraverso testo tutte le caratteristiche della composizione.
Le funzionalità agentiche costituiscono un altro elemento centrale di Ling 3.2 Flash. Il modello è stato sviluppato per interpretare l’ambiente visivo di un’applicazione e interagire con le relative interfacce, coordinando operazioni che richiedono diversi passaggi. Ant Group ha mostrato una dimostrazione nella quale più agenti specializzati collaborano utilizzando un contesto condiviso per analizzare i dati finanziari di un’azienda relativi al secondo trimestre. Il processo comprende la produzione di un documento di analisi, la preparazione di una presentazione di sei slide per il consiglio di amministrazione e la realizzazione di un video contenente una sintesi dei risultati principali. Dopo la generazione dei materiali, il sistema riceve osservazioni dall’utente e procede alla revisione dei documenti prodotti. Ulteriori dimostrazioni riguardano la conversione di un’immagine di design in un sito web e l’utilizzo del software di modellazione tridimensionale Blender attraverso l’interazione con la sua interfaccia. Questi esempi illustrano il funzionamento previsto per il coordinamento di agenti e strumenti, senza rappresentare necessariamente risultati di affidabilità misurati in ambienti produttivi.
La strategia di distribuzione comprende anche un posizionamento economico orientato alla riduzione dei costi di utilizzo. DesignArena ha indicato per Ling 3.2 Flash un costo di 0,30 dollari per un milione di token in ingresso e di 0,90 dollari per un milione di token in uscita, collocandolo tra i modelli più economici nella fascia di prestazioni osservata dalla piattaforma. Ant Group ha previsto inoltre la disponibilità gratuita delle API per le prime due settimane successive al lancio, senza comunicare inizialmente un listino definitivo da applicare al termine del periodo promozionale. Il modello supporta formati di chiamata API compatibili con quelli utilizzati da OpenAI e Anthropic, permettendo agli sviluppatori di sperimentarne l’integrazione senza dover riscrivere completamente le applicazioni già predisposte per altri fornitori. La compatibilità facilita anche la realizzazione di confronti tra modelli differenti, soprattutto nei sistemi che impiegano numerose chiamate per eseguire attività articolate attraverso più agenti.
Ling 3.2 Flash è disponibile attraverso API e un servizio di chat online. Ant Group, società cinese attiva nei servizi finanziari digitali e operatrice della piattaforma Alipay, sta ampliando le proprie attività nello sviluppo di modelli AI e sistemi agentici destinati anche ad applicazioni finanziarie, sanitarie e software aziendali. La combinazione tra architettura Mixture of Experts, finestra di contesto estesa, elaborazione multimodale e compatibilità con le API diffuse nel settore costituisce la base tecnica della nuova piattaforma. Sebbene Ant Group abbia precedentemente distribuito i pesi di altri modelli della famiglia Ling, al momento della presentazione non è stato annunciato un piano di pubblicazione dei pesi di Ling 3.2 Flash. Il modello viene quindi proposto principalmente come servizio accessibile agli sviluppatori, con funzionalità rivolte alla comprensione di contenuti visivi e alla realizzazione di processi automatizzati che coinvolgono documenti, applicazioni e strumenti software differenti.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)