Ant Lingは11月5日、Ling-3.2-flashを公開しました。公開後の最初の2週間は無料で利用できます。[1] マルチモーダルAPIを検討している開発者は、図表の読み取り、画面の分析、長い資料からの情報検索を手元の仕事で試せます。
公式仕様では、テキスト、画像、動画の入力に対応し、コンテキストウィンドウは100万トークンです。[2] 長い資料や図表を含む文書を使い、必要な情報を正確に取り出せるか、整理や確認の時間がどれだけかかるかを記録すると、比較しやすくなります。
無料期間と通常料金
公式の料金ページでは、最初の2週間の無料提供が終わると有料に戻ると案内されています。記事執筆時点で、Ling-3.2-flashの具体的な単価、無料期間の終了時刻、タイムゾーンは公表されていません。[3] 外部のプロバイダー経由で使う場合は、そのサービスの料金とキャンペーン条件を確認してください。
本番サービスへの導入を検討している場合は、現在のモデルへ戻せる仕組みを残し、利用量を確認できるようにしておきます。作業ごとの入力・出力トークン数と再試行回数を記録しておけば、通常料金の公表後に費用を見積もれます。
図表の読み取りを試す
最初は、図表と本文が混在する資料です。公開レポートなどから特定の数値を抜き出し、根拠となるページや図も示してもらいます。数値、単位、対象期間、注記が合っているかを確認します。
グラフの凡例と本文の説明を取り違えた場合は、その箇所と誤りの種類を記録します。後でまとめて見直すと、人による確認が必要な作業を把握できます。
画面の分析と長文の照合
次はWebページのスクリーンショットです。画面上の部品、文言、相対的な位置を整理し、画像だけでは分からない点も挙げてもらいます。コードの生成や修正まで任せる場合は、実際にページを表示し、見た目と動作を確認してください。
3つ目は長い資料からの情報検索です。答えの根拠を冒頭、中盤、末尾に分け、複数箇所を照合する質問を用意します。資料に答えがない質問も混ぜ、情報の不足を明確に示せるかを確認します。
テストには公開資料か、アップロードの許可がある資料を使います。社内情報や個人情報は、必要に応じて匿名化してください。
APIの接続と呼び出し制限
公式クイックスタートはOpenAI SDKを使用し、接続先には https://api.ant-ling.com/v1/ を、モデル名にはLing-3.2-flashを指定しています。[4] 短いテキストで動作を確認してから、画像、長文、バッチ処理へと段階的に広げると、問題を切り分けやすくなります。
現行の制限は毎秒2リクエストで、同期呼び出しのタイムアウトは90秒です。公式はストリーミングを推奨しています。[5] 一括処理にはキューを用意し、429エラーには待ち時間を延ばしながら再試行する処理を組み込みます。所要時間には、待機、再試行、人による確認も含めます。
今の方法と比較する
代表的な作業を少数選び、入力、正解例、誤りの内容、総所要時間を保存します。同じ条件で現在の方法も試し、通常料金が分かった段階で、API料金と確認・修正の手間を合わせて比較します。
本稿は公式資料に基づいており、性能の実測は行っていません。