Ling-3.2-flash vs. Ling-3.1-flash: Gleiches 560B-Skelett, ein neuer Sinn, keine neuen Gewichte

Ant Lings eigene Seite zur Einstellung macht die Entscheidung für Ling-3.2-flash schwieriger als der Launch-Post. Drei ältere Modelle – Ling-2.6-1T, Ring-2.6-1T und Ling-2.6-flash – werden am 15. November 2026 eingestellt, und der empfohlene Ersatz für alle drei ist Ling-3.1-flash. Am Tag, an dem Ling-3.2-flash erschien, war sein Vorgänger also gerade als offizieller Anlaufpunkt für alle Teams festgelegt worden, die von der 2.6-Generation migrieren. Diese Teams müssen nun zwischen dem Modell wählen, zu dem Ant ihnen zu wechseln riet, und dem Modell, das Ant in derselben Woche ankündigte. Die beiden haben dieselbe Parameteranzahl, dasselbe Kontextfenster, dieselbe API-Oberfläche – und unterscheiden sich in genau einer relevanten Dimension sowie in einer, die noch wichtiger ist: Ling-3.2-flash sieht, Ling-3.1-flash liest, und Ling-3.1-flash ist dasjenige, das man herunterladen kann.

Das ist der Vergleich, der sich lohnt – und es ist nicht der, den die Berichterstattung zum Launch angestellt hat. Ling-3.2-flash gewinnt bei der Leistungsfähigkeit. Ling-3.1-flash gewinnt bei allem, was ein Produktionsteam braucht, um sich festzulegen: einen veröffentlichten Preis, MIT-lizenzierte Gewichte und einen unabhängigen Wert, den man überprüfen kann – selbst wenn dieser Wert inzwischen von der Rangliste zurückgezogen wurde, auf der er stand.

Was ist wirklich identisch

Beginne mit den Teilen, die Ant nicht geändert hat, denn sie bestimmen, wie aufwendig eine Migration tatsächlich ist.

• Größe — beide haben insgesamt 560B Parameter, mit 25B aktiv pro Token. Ants Tabelle zur Modellauswahl listet dieselben beiden Werte in beiden Zeilen auf.

• Kontext — beide haben ein 1M-Token-Fenster. Ling-3.0-flash, eine Stufe darunter, ist auf 256K begrenzt, sodass 1M jetzt die Flaggschiff-Basislinie statt einer Schlagzeile ist.

• Anfrageoberfläche — beide werden unter api.ant-ling.com/v1 über einen OpenAI-kompatiblen chat/completions-Endpunkt und einen Anthropic-kompatiblen messages-Endpunkt bereitgestellt. Beide akzeptieren das thinking-Objekt mit enabled oder disabled; Ants Referenz führt die Serien 3.0, 3.1 und 3.2 gleichermaßen auf.

• Abstammung – dieselbe hybrid-lineare MoE-Familie, dasselbe KDA-zu-gated-MLA-Attention-Rezept, das Ant mit 3.0 eingeführt und mit 3.1 verfeinert hat, dieselbe Topologie mit 512 gerouteten Experten wie der offene 3.1-Checkpoint.

• Ratenlimits – dieselbe globale Obergrenze von zwei Abfragen pro Sekunde mit 429ern darüber und dasselbe synchrone Timeout von 90 Sekunden, wobei Streaming empfohlen wird. Ein neues Modell verschafft Ihnen nicht mehr Durchsatz.

Eine Migration von Ling-3.1-flash auf Ling-3.2-flash ist also eine Änderung der Modellbezeichnung plus alles, was du bei Bildern anders machst. Es gibt kein neues SDK, keinen neuen Endpoint, keine neue Authentifizierung.

Was sich tatsächlich geändert hat: Das Modell hat gelernt hinzusehen

Ling-3.1-flash ist Text rein, Text raus. Das ist keine Einschränkung, die Ant versteckt hat – der Auswahlleitfaden des Anbieters selbst positioniert es für Büroarbeit, langfristige Softwareentwicklung und komplexe Agentenaufgaben, und sein Einführungsmaterial für 2026 war voll von Engineering-Benchmarks: eine Portierung eines Lua-nach-x86-64-ELF-Compilers, ein bestandener Pyright-Konformitätstest, eine Rust-Neuimplementierung, ein OceanBase-Parser-Patch. Es war ein Modell für Menschen, die beruflich Code schreiben.

Ling-3.2-flash ist neu um vier visuelle Fähigkeiten herum positioniert: komplexes visuelles Verständnis, multimodale Agenten mit langem Horizont, 3D-Verständnis und -Interaktion sowie medizinische multimodale Arbeit. Die API-Referenz stellt ausdrücklich klar, dass eine Ling-3.2-flash-Anfrage „nativ Text, Bilder und Videos akzeptiert“ und dabei image_url-Blöcke für Standbilder und video_url-Blöcke für Videos verwendet. Die von Ant veröffentlichten Demos zeigen, wofür das gedacht ist: Headless-Renderings von Materialkugeln lesen und Rauheits- und Normal-Maps vergleichen, um ein Skript zu verfeinern; Blender über UI-Aktionen steuern; technische Zeichnungen in 3D-Webmodelle umwandeln; Forschungs-PDFs mit Gleichungen in funktionierenden Code verwandeln; Portionsgrößen und Kalorien anhand von Essensfotos schätzen.

Ants drei Release-Benchmarks sind alle visuell und alle vom Anbieter selbst gemeldet. OmniDocBench1.5 bei 92,21 gegenüber 90,56 für Opus 5 mit maximalem Aufwand; ZEROBench(Sub) bei 43,71 gegenüber 39,52; Vision2Web bei 85,86 gegenüber 80,20. Die Behauptung, die sie stützen, ist eng und spezifisch: Bei Dokumentenparsing, 3D-Szenen-Reasoning und Vision-to-Web-Implementierung glaubt Ant, dass das neue Modell ein geschlossenes Frontier-Modell schlägt. Keiner der drei sagt etwas über Text-Reasoning aus, und Ant veröffentlichte überhaupt keinen Text-Benchmark – was für sich genommen ein Signal ist, wenn man bedenkt, dass der Launch von Ling-3.1-flash fast ausschließlich aus Text-Benchmarks bestand.

Wenn Ihre Arbeitslast Text ist, ist die ehrliche Lesart, dass der Vorteil von Ling-3.2-flash gegenüber Ling-3.1-flash nicht gemessen ist. Wenn zu Ihrer Arbeitslast gehört, sich etwas anzusehen, dann ist genau das der springende Punkt.

Bei der Preisfrage gehen die beiden am stärksten auseinander.

Ling-3.1-flash hat eine veröffentlichte Preisliste, derzeit rabattiert. Ants Preisseite listet es mit ¥2,00 pro Million Input-Tokens und ¥6,00 pro Million Output, um 75 % auf ¥0,50 und ¥1,50 reduziert, wobei Cache-Lesevorgänge von ¥0,40 auf ¥0,10 fallen. Die USD-Spalte, die Ant für Drittanbieterplattformen veröffentlicht, zeigt $0,30 und $0,90 zum Listenpreis, rabattiert auf $0,075 und $0,225.

Für Ling-3.2-flash gibt es überhaupt keine Preisliste. Die Preisseite führt Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash und zwei Ming-Bildmodelle auf; Ling-3.2-flash erscheint nur in einem Werbebanner: „in den ersten 2 Wochen nach dem Launch kostenlos“, wobei danach die ursprünglichen Preise wieder gelten und empfohlen wird, den Kontostand im Auge zu behalten. Kein Eingabe-Tarif, kein Ausgabe-Tarif, kein Cache-Tarif und – folgenreicher für ein multimodales Modell – keine veröffentlichte Regelung für Bild- oder Video-Tokens.

Für alle, die Kapazität planen, ist das die entscheidende Asymmetrie. Ein Modell, das man nicht bepreisen kann, ist ein Modell, das man nicht in ein Budget aufnehmen kann, und ein Vision-Modell, dessen Image-Token-Abrechnung nicht dokumentiert ist, ist ein Modell, dessen Kosten man nicht einmal anhand seiner Textrate schätzen kann. Das kostenlose Zeitfenster endet um den 19. November, fünf Tage bevor die Ant-Abkündigungswelle am 15. eintrifft. Teams, die von Ling-2.6 migrieren, werden beide Termine innerhalb derselben zwei Wochen treffen.

Gewichte: Der Vorgänger ist offen, der Nachfolger nicht.

Dies ist der Teil, der die intuitive Reihenfolge umkehrt. Das ältere Modell ist das mit den herunterladbaren Gewichten.

Das Hugging-Face-Repository inclusionAI/Ling-3.1-flash steht unter MIT-Lizenz und umfasst 572.120.680.768 Bytes an Safetensors – rund 572 GB –, zuletzt geändert am 3. November 2026. Das Schwester-Repository Ling-3.1-flash-1019, die von Ant Ende Oktober veröffentlichte Post-Training-Revision, steht ebenfalls unter MIT und enthält 54 FP8-Shards mit etwa 573,8 GB. Beide sind der vollständige Checkpoint, keine Adapter, und beide erfordern trust_remote_code wegen des benutzerdefinierten Modellierungscodes BailingMoeV3ForCausalLM.

Ling-3.2-flash hat kein Repository. Die aktuelle Auflistung der Organisation inclusionAI umfasst Ling-3.1-flash-1019, Ling-3.1-flash, einen Base-Checkpoint, die ZwZ2-Vision-Modelle und Ming-Audiomodelle – keinen 3.2-Eintrag. Unter Ants Ankündigung ist die beliebteste Antwort die eines Nutzers, der sich wünscht, es wäre Open Source, und Ant hat nicht geantwortet.

Die beiden Modelle tauschen also je nach Bedarf die Plätze. Wenn Sie ein 560B-MoE auf Ihrer eigenen Hardware betreiben, es offline evaluieren, feinabstimmen oder einfach nicht von der Verfügbarkeit eines Anbieters abhängig sein möchten, ist Ling-3.1-flash zu Bedingungen verfügbar, die all das erlauben – Ling-3.2-flash nicht. Wenn Sie das bessere multimodale Modell möchten und damit zufrieden sind, es zu mieten, kehrt sich die Reihenfolge um.

Die unabhängigen Bewertungen, so wie sie sind

Artificial Analysis hat seinen Intelligence Index Ende Oktober auf v5.0.1 überarbeitet, und die Überarbeitung hat die beiden Ling-Modelle in unterschiedlichen Zuständen hinterlassen. Heute betrachtet, enthält die Seite Ling 3.1 Flash überhaupt keine Intelligence-Index-Zahl – die Kachel zeigt N/A, daneben N/A für Zeit pro Index-Aufgabe, Kosten pro Index-Aufgabe und Ausgabe-Tokens. Die Seite Ling 3.1 Flash 1019 hingegen enthält einen Live-Score von 30 auf v5.0.1, mit 3,19 $ gewichteten Kosten pro Index-Aufgabe und 240M generierten Ausgabe-Tokens.

Diese 30 ist nicht mit irgendeinem Ling-Wert vor dem Rebuild vergleichbar. Unter dem vorherigen Bewertungsraster lag Ling-3.1-flash-1019 bei 44; das v5-Raster ist strenger, gewichtet 60 % des Gesamtwerts auf private und zurückgehaltene Sets und hat die meisten Modelle nach unten verschoben. Der Wechsel von 44 auf 30 ist eine Neubewertung, keine Regression.

Ling-3.2-flash hat überhaupt keine Artificial-Analysis-Seite. Es gibt keine Drittanbieter-Zahl, keine Geschwindigkeitsmessung, keine Kostenschätzung pro Aufgabe. Die einzigen existierenden Zahlen sind die drei visuellen Benchmarks von Ant.

Wie man entscheidet

Die Entscheidungsregel, die sich aus all dem oben Gesagten ergibt, ist ungewöhnlich klar, weil die beiden Modelle keine wirklichen Substitute sind.

Bleib bei Ling-3.1-flash, wenn deine Arbeitslast Text ist und dein Zeitplan Produktion. Du erhältst einen veröffentlichten vergünstigten Tarif, MIT-Gewichte, die du selbst hosten kannst, eine unabhängige Punktzahl von 30 nach der aktuellen Bewertungsrubrik für den Build 1019 und Ants eigene Empfehlung als Ersatz für drei auslaufende Modelle. Nichts an Ling-3.2-flash verbessert irgendetwas davon für Textarbeit, außer einer ungemessenen Möglichkeit.

Wechseln Sie zu Ling-3.2-flash, wenn die Arbeit Bilder, Videos, Dokumente mit Layout, 3D oder Screenshots umfasst. Das ist die Fähigkeit, die Ling-3.1-flash schlicht nicht hat, und der einzige Grund, einen unveröffentlichten Preis und geschlossene Gewichte zu akzeptieren. Führen Sie Ihre Evaluierung während des kostenlosen Zeitfensters durch – die Integration ist eine Änderung der Modellzeichenkette in einem SDK, das Sie bereits haben – und behandeln Sie alles, was Sie bis zum 19. November darauf aufbauen, als Pilotprojekt statt als Verpflichtung.

Führe beide aus, wenn du gemischten Traffic hast. Leite die visuelle Arbeit an 3.2 und die Textarbeit an 3.1 weiter – dafür ist die Aufteilung auf zwei Modelle eigentlich gedacht – und beachte, dass Ants Rate Limit global pro Konto gilt und nicht pro Modell: Die Obergrenze verdoppelt sich nicht, nur weil du zwei Modelle aufrufst.

Wo ein Router passt – und wo nicht

Um unsere eigene Position präzise zu benennen, da leicht mehr impliziert wird: Weder Ling-3.2-flash noch Ling-3.1-flash steht im OrcaRouter-Katalog. Wir haben die Live-Modellliste am 6. November erneut gelesen; sie liefert 215 Identifikatoren ohne einen Eintrag für Ling, inclusionAI, Ring oder ERNIE – die einzigen „ling“-Treffer sind Kling-Videomodelle. In diesem Vergleich ist also heute nichts nur einen Aufruf entfernt.

Was ein Router Ihnen hier verschafft, ist der Ausstiegspfad statt des Einstiegspfads. Ants Ratenlimit beträgt zwei Abfragen pro Sekunde und Konto; ein globaler Limiter auf einem 560B-Flaggschiff ist genau die Situation, in der sich Failover bezahlt macht, und der praktische Weg, Ling-3.2-flash in einer Agent-Schleife zu betreiben, ist, einen zweiten Anbieter dahinterzusetzen, statt sich hinter einem 429 anzustellen. Bei uns ist dieser zweite Anbieter ein Modell mit einer veröffentlichten Rate auf demselben Schlüssel: Qwen3.8-Flash zu 0,15 $ pro Million Eingabetoken und 0,47 $ pro Million Ausgabetoken für Vision-Aufgaben, oder DeepSeek V4.1 Flash zu 0,15 $ und 0,60 $ sowie GLM-5.3-Flash zu 0,15 $ und 0,50 $ für Text. Die Preise sind Anbieterlistenpreise, zu null Aufschlag durchgereicht, sodass eine Preissenkung eines Anbieters noch am selben Tag ankommt statt erst nach einem Neupreiszyklus. Die Routing-DSL setzt mehrere Modelle zu einem Aufruf zusammen, wodurch die obige Aufteilung zu einem einzigen Endpunkt wird statt zu zwei Integrationen.

Was würde es klären

Drei Veröffentlichungen würden daraus eine Spezifikationsvergleich statt einer Ermessensentscheidung machen. Eine Preisliste für Ling-3.2-flash, einschließlich der Frage, wie Bild- und Video-Tokens gezählt werden. Ein Ling-3.2-flash-Repository unter denselben MIT-Bedingungen wie sein Vorgänger, was den Hauptvorteil des älteren Modells über Nacht verschwinden ließe. Und eine reine Text-Benchmark-Tabelle – eine Reasoning-Suite, eine Coding-Suite –, die uns sagen würde, ob die 3.2-Generation das verbessert hat, wofür 3.1 gebaut wurde, oder ihm nur eine weitere Sinnesmodalität hinzugefügt hat.

Bis dahin gilt die Reihenfolge: Ling-3.2-flash ist das bessere Modell, und Ling-3.1-flash ist die bessere Wahl. Ant brachte die beiden mit fünf Wochen Abstand heraus – Ling-3.1-flash am 30. September 2026, Ling-3.2-flash am 5. November – und nur für eines der beiden Modelle ist ein Preis angegeben.