该模型采用稀疏专家混合架构，总参数为 5600 亿个，活动参数约为 250 亿个。其原生多模式输入使其能够在一个请求中对视觉材料和书面简报进行推理。开发人员可以将该模型用于将视觉证据与扩展上下文相结合的工作流程，例如解释文档集合或分析场景。 Ant 提供 API 文档以及特定于模型的功能和定价信息。
