Ling-3.2-flash: Görsel Referanslardan 3D İş Akışlarına

Öne Çıkanlar ve Kanıtlar

Ling-3.2-flash, görüntüleri, metinleri ve videoları yorumlamak ve araçlar aracılığıyla görevleri gerçekleştirmek için Ant Ling'in çok modlu temel modelidir. 3B geliştiricileri açısından ilgi çekici gösterim, görsel bir referansı betiklere dönüştüren ve oluşturulan sonuçları tekrar tekrar inceleyen bir iş akışıdır. Kamuya açık kanıtlar, model yönlendirmeli yazım ve revizyonla ilgilidir; özel bir görüntüden mesh'e ağı kanıtlamaz.

Video kaynağı: Ant Ling — 2B referanslardan 3B sahneler.

Resmî teknik özellikler, toplam 560 milyar parametreye, token başına etkinleştirilen yaklaşık 25 milyar parametreye ve bir milyon tokene kadar bağlam penceresine sahip bir uzmanlar karışımı modelini tanımlar. Sürüm; karmaşık görsel anlama, uzun süre çalışan çok modlu aracılar ve 3B anlama ve etkileşimi vurgular.

Ant Ling, OmniDocBench 1.5'te 92.21, ZEROBench (Sub)'da 43.71 ve Vision2Web'de 85.86 bildirmektedir; Opus 5 max karşılaştırması için sırasıyla 90.56, 39.52 ve 80.20 değerleri verilmiştir. Bunlar, söz konusu değerlendirmelerde satıcı tarafından bildirilen sonuçlardır. Bu sonuçlar 3B geometrik doğruluğu, varlık kullanılabilirliğini veya uçtan uca modelleme süresini ölçmez. İncelenen sürüm, standartlaştırılmış bir 3B yeniden yapılandırma karşılaştırması yerine gösterimler sunmaktadır.

3B İş Akışı Nasıl Çalışır

Resmî 3B örnek, bir 2B referansla başlar ve oyun veya simülasyon varlıklarını yeniden oluşturmak için betikler kullanır. Model, malzeme kürelerinin başsız oluşturumlarını inceler, pürüzlülüğü, normal haritası etkilerini ve kabartı ayrıntılarını karşılaştırır, ardından betikleri revize eder. İş akışı düzeyinde bakıldığında döngü; referans yorumlama, kod oluşturma, yürütme, görsel inceleme ve düzeltmeden oluşur. Geometri ve malzemeler araç tarafından oluşturulan sahnede bulunur; model bu sahnenin görüntülerini geri bildirim olarak kullanır.

Bu, kolayca birbirine karıştırılabilecek iki temsili birbirinden ayırır. Sinirsel model çok modlu bağlamı işlerken haricî yazım aracı açık sahne nesnelerini, malzeme parametrelerini ve çalıştırılabilir kodu yönetir. Gösterilen düzenlemeler betikler ve araç durumu üzerinde gerçekleştirilir. Sürüm; bir 3B gizli ızgara, mesh-token kod çözücüsü, difüzyon iyileştirme zamanlaması veya geometri eğitim hedefi açıklamadığından bu mekanizmalar videodan çıkarılamaz.

Açıklanan MoE mekanizması, dil modeli içindeki hesaplamayla ilgilidir: token yönlendirme, her adımda tüm parametre havuzu yerine seçili uzman alt ağlarını etkinleştirir. Bu, her uzmanın bir 3B parçaya karşılık geldiği anlamına gelmez. Benzer şekilde, bir milyon tokenlık bağlam sınırı görev bilgilerinin korunması için kapasite sağlar; uzun bir modelleme oturumunun doğruluğunu koruyacağının garantisi değildir.

Ayrı bir resmî örnek, kullanıcı arayüzü eylemleri ve parametre değişiklikleri aracılığıyla Blender etkileşimini gösterirken bir diğeri mühendislik çizimlerini 3B web içeriğine dönüştürür. Bunlar alternatif araç arayüzlerini gösterir; her varlığın tek bir sabit işlem hattını izlediğinin kanıtı değildir. Kamuya açık materyaller, yeniden üretilebilir bir 3B aracı düzeneği, yineleme bütçesi, durdurma kuralı veya tek tip dışa aktarma biçimi belirtmez. Bu nedenle karşılaştırılabilir bir entegrasyon oluşturmak, yürütme araçlarının sağlanmasını ve bunların oluşturumlarının veya hatalarının aracıya geri gönderilmesini gerektirir.

Video kaynağı: Ant Ling — Ön yüz tasarımı ve profesyonel araçlar. Bu örnekler, bağımsız doğruluk testlerinden ziyade yazar tarafından bildirilen iş akışlarını göstermektedir.

Uygulamalar, Erişim ve Sınırlar

Gösterimler; görsel prototipleme, malzeme yinelemesi ve mevcut 3B yazılımları çalıştıran asistanlarla ilgilidir. Pratik açıdan çekici olmalarının nedeni, bir referansın yalnızca tek seferlik metinsel bir açıklama yerine bir sahnedeki ardışık değişikliklere rehberlik edebilmesidir. Varlık kalitesi, düzenlenebilirlik ve kullanılabilir dışa aktarma seçenekleri yine de seçilen araçlara ve göreve bağlıdır.

Resmî platform, OpenAI ve Anthropic uyumlu istek arayüzleriyle sohbet erişimi ve API belgeleri sunar. Bu arayüzler model erişimi sağlar; çalışan bir Blender entegrasyonu ayrı kalır. İncelenen 3.2 sürümü, açık ağırlıklar, bağımsız bir teknik makale veya 3B gösterim iş akışının kaynağını sunmaz. Önceki açık Ling sürümleri 3.2'nin uygulaması olarak değerlendirilmemelidir.

İncelenen resmî materyallerde belirli bir 3.2 3B yol haritası veya gelecekteki çalışmalar listesi tespit edilmemiştir. Bu nedenle bu makale, önerilen mimariler veya vaat edilen dışa aktarma özellikleri eklemeden açıklanan mekanizmaları ve gösterimleri ele almaktadır. Model ve gösterimler bu inceleme için bağımsız olarak çalıştırılmamıştır.