Ling 3.2 Flash: نموذج رائد متعدد الوسائط بحجم 560B يشاهد 30 ثانية في المرة الواحدة

Ling 3.2 Flash هو نموذج خليط خبراء من Ant Ling يضم 560 مليار معامل، مع 25 مليار معامل نشطة لكل رمز، ونافذة سياق تبلغ 1M رمز، والسبب في وجوده أصلًا: إدخال صور وفيديو أصلي بدلًا من مُرمِّز رؤية مثبَّت على نموذج نصي. أُتيح عبر واجهة Ant البرمجية في 5 نوفمبر 2026. وبعد تسعة أيام، لم يعد السؤال المثير هو ما هو، لأن ورقة المواصفات علنية وقصيرة. بل ما تغفله ورقة المواصفات، وأول ما تغفله أن فهم الفيديو الذي يتحمس له الجميع يتوقف عند ثلاثين ثانية، ومقطع واحد لكل طلب، واثنين وثلاثين إطارًا مأخوذًا بالعينة.

هذا ليس حاشية. فدليل Ant Ling متعدد الوسائط — الصفحة التي توثّق كيفية استدعاء Ling 3.2 Flash — يضع سقف الفيديو عند مدة لا تتجاوز ثلاثين ثانية، وفيديو واحد لكل طلب، ومعدل أخذ عينات ثابت 2fps بحد أقصى 32 إطارًا، وسقفًا قدره 32 MiB لسلسلة base64. تنطبق كتلة الحدود نفسها على Ling-3.0-flash-VL، لذا فإن بعضها بنية موروثة وليس قرارًا اتُّخذ لهذا الطراز، لكنه ما يحصل عليه المستدعي. إذا كان عرضك الترويجي لنموذج أصيل متعدد الوسائط هو «وكيل طويل الأفق يُبقي السياق البصري حيًّا عبر العديد من استدعاءات الأدوات»، فإن مقطعًا مدته ثلاثون ثانية وفيديو واحدًا لكل طلب هو الرقم الذي يقيّد البنية المعمارية، لا جدول القياسات المعيارية.

ما هو النموذج، بأرقام يمكنك التحقق منها

تظهر المعاملات ونافذة السياق في مكانين على موقع Ant للمطورين: جدول اختيار نماذج Ling، حيث يظهر Ling 3.2 Flash فوق Ling-3.1-flash بالصف نفسه 560B / 25B / 1M وبسطر تحديد موضع مختلف، والخط الزمني "Ling's Evolution"، الذي يدرج سلسلة 3.2 تحت 2026.11. سطر تحديد الموضع هو الفرق الفعلي: يُوصف 3.1 بأنه نموذج استدلال هجين للعمل المكتبي وتطوير البرمجيات طويل الأفق ومهام الوكلاء؛ ويُوصف 3.2 بأنه نموذج أصلي متعدد الوسائط يركز على الفهم البصري المعقد، والوكلاء متعددي الوسائط طويلي الأفق، والفهم والتفاعل ثلاثي الأبعاد، والعمل الطبي متعدد الوسائط. الهيكل نفسه، ومعنى جديد واحد.

• إجمالي المعلمات — 560 مليارًا لـ Ling 3.2 Flash، ولا يضاهيه في ذلك سوى شقيقه النصي Ling-3.1-flash بـ 560 مليارًا؛ بينما كان سلفه في مجال الرؤية Ling-3.0-flash-VL يبلغ 124 مليارًا.

• المعلمات النشطة لكل توكن — 25B، مقابل 5.5B لـ Ling-3.0-flash-VL و25B لـ Ling-3.1-flash.

• نافذة السياق — مليون توكن، أي أربعة أضعاف سعة 256K التي توفرها Ling-3.0-flash-VL وLing-3.0-flash.

• الوسائط — إدخال نص وصورة وفيديو، وإخراج نص، مع الجمع بين الرؤية واللغة في البنية نفسها بدلًا من توجيههما عبر وحدة خارجية.

• أشكال نقاط النهاية — chat/completions المتوافقة مع OpenAI وmessages المتوافقة مع Anthropic، وكلاهما على api.ant-ling.com.

النتيجة العملية لأشكال نقاط النهاية هي أن تكاملًا قائمًا ينتقل بتغيير base-URL وسلسلة النموذج. يوفّر Ant الصيغتين نفسيهما لكل نموذج Ling، ويعرض الدليل متعدد الوسائط كتل محتوى image_url للصور الثابتة وكتل video_url للفيديو، وكلتاهما بصيغة base64 فقط — ولا يوجد مسار جلب عبر URL موثّق لأي منهما، وهو القيد الثاني الذي يصادفه تكامل إنتاجي قبل أن يصادف اختبارًا معياريًا.

لا يزال السعر غير مُدرج، والعداد يتبقّى عليه خمسة أيام.

هذا هو الجزء الذي يستحق التحقق قبل أن تبني أي شيء. تضم صفحة الأسعار الخاصة بـ Ant — آخر تحديث في 5 نوفمبر 2026، يوم الإطلاق — صفوفًا لـ Ling-3.1-flash وLing-3.0-flash-VL وLing-3.0-flash وطرازَي Ming للصور. ولا تضم صفًا لـ Ling 3.2 Flash. يظهر هذا الطراز في تلك الصفحة مرة واحدة فقط، ضمن سطر ترويجي: مجاني خلال أول أسبوعين بعد الإطلاق.

بدءًا من 5 نوفمبر، تُغلق تلك النافذة حول 19 نوفمبر. واليوم يتبقى لها نحو خمسة أيام. وعندما تُغلق، تقول الصفحة إن الأسعار الأصلية تعود وتطلب منك مراقبة رصيدك، وهذا هو الإفصاح التسعيري الكامل بالكامل لهاتف رائد بقيمة 560B.

ما يمكنك فعله هو وضع حدّ للرقم بالاستناد إلى الصف الواقع أعلاه. يُدرج Ling-3.1-flash بسعر ¥2.00 لكل مليون رمز إدخال و¥6.00 لكل مليون رمز إخراج، بخصم 75% ليصبح ¥0.50 و¥1.50، مع قراءات ذاكرة التخزين المؤقت بسعر ¥0.40 تنخفض إلى ¥0.10. وبتحويل رقم السعر المدرج، يضع هذا نموذج Ling الرائد النصي فقط عند نحو $0.28 للإدخال و$0.85 للإخراج لكل مليون؛ ويقترب السعر المخفّض من $0.07 و$0.21. وإذا كان تسعير Ling 3.2 Flash مثل شقيقه، فهذا هو النطاق التقريبي. إنه استنتاج من صف مجاور، وليس سعرًا منشورًا، والنموذج متعدد الوسائط يحمل رموزًا للصور والفيديو لم يصف Ant تسعيرها على الإطلاق — مقطع مدته ثلاثون ثانية بمعدل 2fps يساوي 32 إطارًا، ولا توجد صفحة تخبرك بتكلفة تلك الإطارات الـ32.

تترك هذه الفجوة نتيجة محددة لكل من يضع الميزانية: لا يمكنك الإجابة عن سؤال «ما تكلفة هذه المهمة» بالنسبة إلى Ling 3.2 Flash بالطريقة التي يمكنك بها الإجابة عن نموذج لديه بطاقة أسعار. يمكنك الإجابة بعد 19 نوفمبر، أو يمكنك الإجابة الآن بتشغيل التقييم ما دام العدّاد متوقفًا — وهو التفسير المعقول لنافذة مجانية مدتها أربعة عشر يومًا لنموذج لا سعر منشور له.

ثلاثة أرقام مرجعية، جميعها تخص Ant

يُقارن إعلان Ant بين Ling 3.2 Flash وOpus 5 عند تشغيله بأقصى جهد استدلالي في ثلاثة تقييمات. التقييمات الثلاثة جميعها مُبلَّغ عنها من الجهة المُصدِّرة، وأُنتجت بواسطة خط الإصدار الخاص بـ Ant، ولم يُعَد إنتاج أيٍّ منها خارجه. وبهذا التصنيف الملازم:

• OmniDocBench1.5 — 92.21 لـ Ling 3.2 Flash مقابل 90.56 لـ Opus 5 (max)، بفارق 1.65 نقطة في فهم المستندات.

• ZEROBench(Sub) — 43.71 مقابل 39.52، وهي أوسع فجوة نسبية بنحو 10.6%، في معيار للمشاهد ثلاثية الأبعاد.

• Vision2Web — 85.86 مقابل 80.20، تقييم تحويل الرؤية إلى تنفيذ الويب.

اقرأ مجموعة النتائج، فهي تقول شيئًا أضيق نطاقًا من «يتفوق على Opus 5». المعايير الثلاثة كلها بصرية. اختارت Ant التقييمات الثلاثة التي كان يمكن لنموذج أصلي متعدد الوسائط بمعاملات نشطة قدرها 25B أن يتفوق فيها بشكل معقول على نموذج مغلق متقدم، ولم تنشر أي مقارنة نصية فقط — لا حزمة استدلال، ولا حزمة برمجة، ولا مهمة طرفية وكيلية، وهو تحديدًا الموضع الذي تتمركز فيه Ling-3.1-flash من المختبر نفسه. اثنان من الثلاثة، ZEROBench وVision2Web، ليسا أداتين بمشاركة واسعة من أطراف ثالثة، لذا لا يستطيع القارئ التحقق منهما بشكل معقول مقابل نماذج أخرى. و«Opus 5 (max)» هو إعداد واحد لمنافس واحد، دون ذكر حزمة اختبار أو مجموعة مطالبات أو عدد محاولات لأي من الجانبين.

لا يوجد أيضًا تقييم مستقل لهذا الطراز يُوضع إلى جانبها. فـ Artificial Analysis، الحكم المحايد المعتاد، ليس لديه صفحة لـ Ling 3.2 Flash حتى 14 نوفمبر — إذ يعيد الرابط خطأ 404 — وأقرب ما لدى العائلة هو شقيقه النصي فقط. يحقق Ling 3.1 Flash 1019 نتيجة 29.6 على مؤشر الذكاء v5.0.1 الحالي بتكلفة $0.30 للإدخال و$0.90 للإخراج لكل مليون. هذا رقم مستقل حقيقي، وهو يخص الطراز السابق لا هذا الطراز.

حدود الإدخال هي مواصفات المنتج الحقيقية

توثّق Ant أربعة مجالات قدرات لـ Ling 3.2 Flash، وهي أضيق من قائمة الإطلاق المعتادة: الفهم البصري المعقّد (مستندات تحتوي معادلات ومخططات، لا الوصف التعليقي)، ووكلاء متعددو الوسائط وطويلو الأفق يحافظون على سياق بصري نشط عبر استدعاءات الأدوات، والفهم والتفاعل ثلاثيا الأبعاد، والعمل الطبي متعدد الوسائط. وتتوافق العروض التوضيحية مع هذه المجالات — قراءة عمليات تصيير بلا واجهة لكرات المواد ومقارنة الخشونة لتحسين نصوصه البرمجية الخاصة، وتحويل الرسومات الهندسية إلى نماذج ويب ثلاثية الأبعاد، وتنسيق وكلاء متخصصين عبر سياق بصري مشترك لإنتاج تقرير وعرض تقديمي وفيديو لأبرز اللقطات من بيانات Q2 نفسها.

ثم تقرأ الحدود، فتبدأ العروض التوضيحية تبدو وكأنها بُنيت داخل القيود لا حولها. حلقة التغذية الراجعة البصرية التي تفحص عمليات العرض الخاصة بها رخيصة من حيث الإطارات: صورة واحدة لكل دور، وحتى أربعين صورة لكل طلب، بحيث تكون كل صورة أقل من 16384 × 784 بكسل. أما وكيل طويل الأفق يحتفظ بتسجيل اجتماع داخل السياق فليس كذلك، لأن التسجيل محدود بثلاثين ثانية واثنين وثلاثين إطارًا. والحدان معًا يصفان نموذجًا صُمّم لعدد كبير من النظرات القصيرة إلى العالم، لا لنظرة واحدة طويلة.

حدود المعدل تفاقم الأمر. فصفحة حدود المعدل الخاصة بـ Ant تضع سقفًا عالميًا قدره طلبان في الثانية، مع ردود 429 لما يتجاوز ذلك، ومهلة 90 ثانية للمكالمات المتزامنة مع التوصية بالبث. بالنسبة لمنتج محادثة، هذا مقبول. أما بالنسبة لحلقات الوكيل متعددة الخطوات التي وُضِع النموذج صراحةً من أجلها — عشرات المكالمات لكل مهمة، وكل منها يحمل إطارًا — فإن معدل طلبين في الثانية رقم تخطيطي، وسيشكّل البنية أكثر مما تفعل أي فجوة في المعايير.

أين يناسبك ذلك، وما الذي يكلّفك تجربته

الموقف الصادق بشأن التوفّر: Ling 3.2 Flash ليس مدرجًا في كتالوج OrcaRouter اليوم. تُرجع قائمة النماذج الحية 215 معرّفًا، ولا يوجد أي منها نموذج Ling — فمطابقات "ling" هي نماذج فيديو Kling، وهي مختبر صيني مختلف تمامًا. لذا لا شيء هنا على بُعد استدعاء واحد، ولا يوجد مسار تجاوز للفشل من جانبنا له. ما نوجّهه هو فئة المقارنة التي سيُقيَّم مقابلها: MiniMax M3.1 Flash، وهو MoE أصلي متعدد الوسائط بحجم 428B/23B مع النافذة نفسها البالغة 1M، وإدخال فيديو، وأوزان مفتوحة، بسعر 0.15 دولار لكل مليون إدخال و0.60 دولار لكل مليون إخراج مع خصم ذاكرة تخزين مؤقت بنسبة 90% — سعر قائمة المزوّد يُمرَّر دون أي هامش، مع تجاوز فشل تلقائي عبر المزوّدين خلف مفتاح واحد.

هذا هو الشكل المفيد للقرار ما دام Ling 3.2 Flash بلا بطاقة أسعار. شغّل التقييم المجاني على واجهة API الخاصة بـ Ant، لأن خمسة أيام من الاستدلال المجاني على نموذج متعدد الوسائط بحجم 560B تستحق كلفة إعداد تغيير عنوان URL الأساسي. لا تضعه خلف مسار إنتاجي لا تستطيع تسعيره، ولا تستطيع تجاوز الفشل فيه، ولا تستطيع تحديد سقف له يزيد على طلبين في الثانية. إذا كان عبء العمل هو فهم المستندات أو الإطارات وتحتاج إلى رقم اليوم، فإن النماذج التي يمكنك وضع ميزانية مقابلها فعليًا هي تلك الموجودة على بطاقة أسعار — وهناك أكثر من 200 منها على مفتاح واحد، مما يجعل المقارنة على الأقل تكاملًا واحدًا بدلًا من تكامل لكل بائع.

ما يجب مشاهدته قبل أن تُغلق النافذة

ثلاثة أمور تحدّد ما إذا كان Ling 3.2 Flash سيصبح نموذجًا تستخدمه أم نموذجًا قيّمته فحسب. الأول هو بطاقة التسعير: هل تنشر Ant تسعيرًا لكل مليون — بما في ذلك كيفية محاسبتها على رموز الصور والفيديو — قبل 19 نوفمبر، أم أن النافذة المجانية تنقضي ببساطة لتصبح سعرًا غير مُدرج. الثاني هو الأوزان. Ant مختبر تقوم سمعته في 2026 على نقاط حفظ بحجم 560B مرخّصة بموجب MIT؛ وقد صدر Ling-3.1-flash-1019 بحجم 573.8 GB تحت رخصة MIT في 27 أكتوبر، ولا يوجد أي مستودع لـ 3.2 في منظمة inclusionAI على Hugging Face حتى هذا الأسبوع. وجود نموذج رائد مغلق من ذلك المختبر يمثّل تغيّرًا في الموقف، لا إجراءً شكليًا. الثالث هو أول معيار تقييم مستقل، لأنه إلى أن يوجد واحد، فإن كل ادعاء متعدد الوسائط في هذا المقال هو كلام Ant في مقابل اختيار Ant للمهام.

لا شيء من ذلك يجعل النموذج غير مثير للاهتمام. فوجود نموذج MoE أصلي متعدد الوسائط بحجم 560B مع 25B معلمة نشطة، ونافذة سياق 1M، وكلتا لهجتي API، يمثل عملًا هندسيًا جادًا، كما أن ثغرات المعايير الثلاث أمام Opus 5 — المبلّغ عنها من المورّد، على أداة اختبار غير منشورة — كبيرة بما يكفي لتستحق اختبارها بنفسك بدلًا من تجاهلها. الموقف الصحيح بعد تسعة أيام هو ذاك الذي صُممت النافذة المجانية من أجله: قِسه الآن، وسعّره عندما تظهر قائمة الأسعار، ولا تخلط بين فترة ترويجية من أسبوعين والتزامٍ بمنتج.