Ling 3.2 Flash (free) API
Model multimodal native dengan konteks1 million token untuk pemahaman visual kompleks dan tugas agen multimodal jangka panjang.
inclusionAI: Ling3.2 Flash (free) dari Ant Ling adalah model multimodal native yang menggabungkan visi dan bahasa langsung dalam arsitektur model, bukan memakai vision encoder eksternal yang ditempelkan pada model teks. Model ini menerima text input, image input, dan video input, lalu menghasilkan text output. Kapasitas konteksnya adalah1 million token context window, dengan560 billion total parameters dan25 billion parameters active per token.
Model ini sesuai untuk memahami dokumen dan frame, pemahaman visual kompleks, interaksi serta pemahaman3D, pekerjaan multimodal medis, dan tugas agen multimodal jangka panjang. Model juga mendukung visual feedback loops, sehingga dapat memeriksa render yang dibuatnya sendiri. Untuk video, setiap klip dibatasi thirty seconds, satu klip per request, dan thirty-two sampled frames; setiap gambar harus berukuran di bawah16384 by784 pixels, dengan maksimum forty images per request.
Dalam laporan Ant, model ini mengungguli Opus5 pada ZEROBench dan Vision2Web, tetapi skor tidak disediakan. Tidak ada perbandingan publik text-only untuk reasoning, coding, atau agentic terminal tasks. Ling3.2 Flash ditempatkan di atas Ling3.1 Flash dalam tabel pemilihan model Ant.
Diperbarui:
ID MODEL
ling-3.2-flash:free- Konteks
- 1.049M
- Output maks
- 262.144K
- API yang direkomendasikan
- messages
- Masukan
- text / image
- Keluaran
- text
Sorotan
- Arsitektur multimodal native
- Konteks1 million token
- Pemahaman visual kompleks
- Dukungan tugas agen multimodal
- Visual feedback loops
Penyedia
Bandingkan harga API antarpenyedia. Pilih penyedia untuk melihat semua biaya dan ketentuan.
| Ketersediaan | |||
|---|---|---|---|
| $0 | $0 |
Statistik historis bukan pemeriksaan langsung. Data yang hilang tidak berarti gangguan.
Penalaran
- Aktif secara bawaan
- Ya
- Selalu aktif
- Tidak
Mulai cepat
Kode siap pakai untuk memanggil model ini dengan API yang kompatibel dari Felo API Platform. Mulai di Playground jika Anda ingin menguji prompt sebelum menulis kode.
Siapkan kunci API
Buat kunci dari akun Felo API Platform Anda dan tetapkan sebagai variabel lingkungan.
export FELO_API_KEY="YOUR_API_KEY"Kirim permintaan pertama
Gunakan ID model ini dengan endpoint Felo API Platform. Header permintaan opsional seperti X-Request-Id dapat membantu pemecahan masalah.
ling-3.2-flash:freeModel ini mampu melakukan penalaran. Jika protokol dan rute model yang Anda pilih menyediakan kontrol penalaran, pertahankan metadata penalaran yang dikembalikan saat melanjutkan percakapan.
const response = await fetch("https://openapi.felo.ai/api/v1/messages", {
method: 'POST',
headers: {
Authorization: `Bearer ${process.env.FELO_API_KEY}`,
'Content-Type': 'application/json',
},
body: JSON.stringify({
"model": "ling-3.2-flash:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
]
}),
});
if (!response.ok) throw new Error(await response.text());
console.log(await response.json());Menggunakan SDK pihak ketiga
Pada SDK yang kompatibel, tetapkan baseURL ke https://openapi.felo.ai/api/v1. Untuk klien bergaya Claude, gunakan base URL yang kompatibel dengan Anthropic. https://openapi.felo.ai/api.
Aktifkan streaming
Tambahkan stream: true untuk menerima respons sebagai server-sent events.
curl -N https://openapi.felo.ai/api/v1/messages \
-H "Authorization: Bearer $FELO_API_KEY" \
-H "Content-Type: application/json" \
-d '{
"model": "ling-3.2-flash:free",
"max_tokens": 1024,
"messages": [
{
"role": "user",
"content": "Hello"
}
],
"stream": true
}'Endpoint
Felo API Platform menyediakan antarmuka pemanggilan model yang kompatibel. Pilih antarmuka yang sudah didukung aplikasi atau klien agen Anda.
Messages
Pesan yang kompatibel dengan Anthropic untuk klien bergaya Claude.
POST
https://openapi.felo.ai/api/v1/messagesParameter
modelstringling-3.2-flash:freeID model publik yang akan dipanggil.max_tokensinteger—Jumlah maksimum token yang dihasilkan.messagesarray—Pesan percakapan untuk Chat Completions.seed———stop———toolsarray—Definisi tool calling sesuai skema yang kompatibel.top_k———top_p———reasoning———temperaturenumber—Mengontrol variasi respons jika didukung.tool_choicestring or object—Mengontrol apakah suatu alat harus dipanggil.response_formatobject—Meminta output terstruktur jika didukung.presence_penalty———frequency_penalty———include_reasoning———structured_outputs———Pertanyaan umum
Mengenal Ling 3.2 Flash (free)?
inclusionAI: Ling3.2 Flash (free) dari Ant Ling adalah model multimodal native yang menggabungkan visi dan bahasa langsung dalam arsitektur model, bukan memakai vision encoder eksternal yang ditempelkan pada model teks. Model ini menerima text input, image input, dan video input, lalu menghasilkan text output. Kapasitas konteksnya adalah1 million token context window, dengan560 billion total parameters dan25 billion parameters active per token. Model ini sesuai untuk memahami dokumen dan frame, pemahaman visual kompleks, interaksi serta pemahaman3D, pekerjaan multimodal medis, dan tugas agen multimodal jangka panjang. Model juga mendukung visual feedback loops, sehingga dapat memeriksa render yang dibuatnya sendiri. Untuk video, setiap klip dibatasi thirty seconds, satu klip per request, dan thirty-two sampled frames; setiap gambar harus berukuran di bawah16384 by784 pixels, dengan maksimum forty images per request. Dalam laporan Ant, model ini mengungguli Opus5 pada ZEROBench dan Vision2Web, tetapi skor tidak disediakan. Tidak ada perbandingan publik text-only untuk reasoning, coding, atau agentic terminal tasks. Ling3.2 Flash ditempatkan di atas Ling3.1 Flash dalam tabel pemilihan model Ant.
Bagaimana penggunaan ditagih?
Tagihan Anda bergantung pada penyedia yang digunakan, tarifnya, dan penggunaan Anda. Masukan yang lebih panjang atau ketentuan lain dapat memiliki harga berbeda.
Input apa yang didukung model ini?
Model mendukung text input, image input, dan video input, dengan text output.
Seberapa besar konteksnya?
Model memiliki1 million token context window. Batas output tidak disebutkan dalam materi yang tersedia.
Untuk tugas apa model ini cocok?
Model cocok untuk pemahaman dokumen dan frame, pemahaman visual kompleks, tugas agen multimodal, interaksi3D, pekerjaan multimodal medis, serta visual feedback loops.
Apa batasan input videonya?
Video dibatasi thirty seconds per clip, satu clip per request, dan thirty-two sampled frames. Permintaan gambar dapat memuat hingga forty images.
Apa perbedaannya dibanding model satu seri?
Ling3.2 Flash ditempatkan di atas Ling3.1 Flash dalam tabel pemilihan model Ant dan dijelaskan sebagai model multimodal native.