Az Inclusion AI bemutatta legújabb modelljét, a Link 3.2 Flash-t, amely képes akár 200 képet is feldolgozni egyetlen promptban. Az első teszt során a modell egy teljes döner kebab elkészítésének lépéseit követi – minden kulcsfontosságú részletet több kép segítségével dolgoz fel, majd egy interaktív HTML szimulátort állít elő.
Érdekes kérdés, hogyan képes a modell a képi információkat összekapcsolni és lépésekre bontani, illetve mennyire működik zökkenőmentesen a folyamat egy összetett, vizuális feladat során. Felmerül, mennyire pontosan azonosítja és illeszti egymáshoz a különféle folyamatokat – például a hús pácolásától a kész étel összeállításáig.
A bemutató során további teljesítményteszteket is láthatunk: az új modell összevetésre kerül több ismert versenytársával, mint például a GPT-6 5.6 Sol vagy a Claude Opus 5 K 3. Szó esik arról is, hogy mely területeken emelkedik ki, főleg a dokumentumolvasás, kódgenerálás és orvosi feladatok terén mutat előnyt.
A részletes tesztek között szerepel például, ahogy egy fényképezett számlából adatokat, kézírásokat és aláírást kell kinyernie, majd aritmetikai ellenőrzést is végez. Egy másik próba pedig azt vizsgálja, hogy a modell képes-e kreatívan, nyelvi és kulturális különbségeket is figyelembe véve egyedi sportcsapatneveket alkotni különféle nyelveken. Ezekből a feladatokból kiderül, hogy hol vannak az erősségei és hol marad el a modell a tökéletestől.







