Ling-3.2-flash: 시각적 레퍼런스에서 3D 워크플로까지

주요 내용 및 근거

Ling-3.2-flash 는 이미지를 해석하고, 텍스트와 비디오를 처리하며, 도구를 통해 작업을 수행하는 Ant Ling 의 멀티모달 기반 모델입니다. 3D 개발자에게 흥미로운 시연은 시각적 참조를 스크립트로 변환하고 렌더링된 결과를 반복적으로 검사하는 워크플로입니다. 공개된 근거는 모델이 안내하는 작성 및 수정에 관한 것이며, 전용 이미지-메시 네트워크의 존재를 입증하지는 않습니다.

비디오 출처: Ant Ling — 2D 참조에서 3D 장면으로.

공식 사양에 따르면 총 5,600억 개의 파라미터와 토큰당 약 250억 개의 활성 파라미터를 사용하는 전문가 혼합 모델이며, 최대 100만 토큰의 컨텍스트 창을 제공합니다. 이 릴리스는 복잡한 시각적 이해, 장시간 실행되는 멀티모달 에이전트, 3D 이해 및 상호작용을 강조합니다.

Ant Ling 은 OmniDocBench 1.5 에서 92.21, ZEROBench (Sub) 에서 43.71, Vision2Web 에서 85.86 을 기록했다고 보고했으며, Opus 5 max 비교 모델은 각각 90.56, 39.52, 80.20 을 기록했습니다. 이는 해당 평가에서 벤더가 보고한 결과입니다. 이 수치는 3D 기하학적 정확도, 에셋 사용성 또는 엔드 투 엔드 모델링 시간을 측정하지 않습니다. 검토한 릴리스는 표준화된 3D 재구성 벤치마크가 아니라 시연을 제공합니다.

3D 워크플로의 작동 방식

공식 3D 예시 는 2D 참조에서 시작하며, 스크립트를 사용해 게임 또는 시뮬레이션 에셋을 재현합니다. 모델은 머티리얼 구체의 헤드리스 렌더를 검사하고, 거칠기, 노멀 맵 효과 및 범프 세부 사항을 비교한 다음 스크립트를 수정합니다. 워크플로 수준에서 보면 이 루프는 참조 해석, 코드 작성, 실행, 시각적 검사 및 수정으로 구성됩니다. 지오메트리와 머티리얼은 도구가 생성한 장면에 존재하며, 모델은 해당 장면의 이미지를 피드백으로 사용합니다.

이는 혼동하기 쉬운 두 표현을 분리합니다. 신경망 모델은 멀티모달 컨텍스트를 처리하는 반면, 외부 작성 도구는 명시적인 장면 객체, 머티리얼 파라미터 및 실행 가능한 코드를 유지합니다. 시연된 수정은 스크립트와 도구 상태에 적용됩니다. 릴리스는 3D 잠재 그리드, 메시 토큰 디코더, 확산 정제 일정 또는 기하학 학습 목적 함수를 공개하지 않으므로, 비디오에서 이러한 메커니즘을 추론할 수 없습니다.

공개된 MoE 메커니즘은 언어 모델 내부의 연산에 관한 것입니다. 즉, 각 단계에서 전체 파라미터 풀을 활성화하는 대신 토큰 라우팅을 통해 선택된 전문가 서브네트워크를 활성화합니다. 이것은 각 전문가가 3D 부품 하나에 대응한다는 의미가 아닙니다. 마찬가지로 100만 토큰의 컨텍스트 한도는 작업 정보를 유지하기 위한 용량이지, 긴 모델링 세션이 정확성을 계속 유지한다는 보장이 아닙니다.

또 다른 공식 예시는 UI 동작과 파라미터 변경을 통한 Blender 상호작용을 보여 주며, 다른 예시는 엔지니어링 도면을 3D 웹 콘텐츠로 변환합니다. 이는 서로 다른 도구 인터페이스를 보여 주는 것이며, 모든 에셋이 하나의 고정된 파이프라인을 따른다는 증거는 아닙니다. 공개 자료는 재현 가능한 3D 에이전트 하니스, 반복 예산, 중단 규칙 또는 통일된 내보내기 형식을 명시하지 않습니다. 따라서 이에 상응하는 통합을 구축하려면 실행 도구를 제공하고 그 렌더 또는 오류를 에이전트에 반환해야 합니다.

비디오 출처: Ant Ling — 프런트엔드 디자인 및 전문 도구. 이러한 예시는 작성자가 보고한 워크플로를 보여 주는 것이며, 독립적인 정확도 테스트가 아닙니다.

애플리케이션, 액세스 및 한계

이러한 시연은 시각적 프로토타이핑, 머티리얼 반복 작업 및 기존 3D 소프트웨어를 조작하는 어시스턴트와 관련이 있습니다. 실용적인 장점은 참조가 일회성 텍스트 설명에 그치지 않고 장면에 대한 연속적인 변경을 안내할 수 있다는 점입니다. 에셋 품질, 편집 가능성 및 사용 가능한 내보내기 형식은 여전히 선택한 도구와 작업에 따라 달라집니다.

공식 플랫폼은 채팅 액세스와 OpenAI 및 Anthropic 호환 요청 인터페이스를 갖춘 API 문서를 제공합니다. 이러한 인터페이스는 모델 액세스를 제공하지만, 작동하는 Blender 통합은 별개로 구축해야 합니다. 검토한 3.2 릴리스는 오픈 웨이트, 독립적인 기술 논문 또는 3D 시연 워크플로의 소스 코드를 제공하지 않습니다. 이전의 공개 Ling 릴리스를 3.2 의 구현으로 간주해서는 안 됩니다.

검토한 공식 자료에서는 특정 3.2 3D 로드맵이나 향후 작업 목록이 확인되지 않았습니다. 따라서 이 글은 제안된 아키텍처나 약속된 내보내기 기능을 추가하지 않고 공개된 메커니즘과 시연을 설명합니다. 이 검토를 위해 모델과 시연을 독립적으로 실행하지는 않았습니다.