Ling 3.2 Flash: un modelo insignia multimodal de 560B que analiza 30 segundos a la vez

Ling 3.2 Flash es un modelo de mezcla de expertos de 560 mil millones de parámetros de Ant Ling, con 25 mil millones de parámetros activos por token, una ventana de contexto de 1 millón de tokens y —la razón por la que existe— entrada nativa de imágenes y vídeo en lugar de un codificador de visión atornillado a un modelo de texto. Entró en la API de Ant el 5 de noviembre de 2026. Nueve días después, la pregunta interesante ya no es qué es, porque la hoja de especificaciones es pública y breve. Es lo que la hoja de especificaciones omite, y lo primero que omite es que la comprensión de vídeo que tanto entusiasma se detiene a los treinta segundos, un clip por solicitud, treinta y dos fotogramas muestreados.

Eso no es una nota a pie de página. La propia guía multimodal de Ant Ling —la página que documenta cómo llamar a Ling 3.2 Flash— fija el límite de vídeo en una duración de treinta segundos o menos, un solo vídeo por solicitud, una tasa de muestreo fija de 2 fps limitada a 32 fotogramas y un límite de 32 MiB en la cadena base64. El mismo bloque de límites rige Ling-3.0-flash-VL, así que parte de ello es infraestructura heredada en lugar de una decisión tomada para este modelo, pero es lo que recibe quien realiza la llamada. Si tu propuesta para un modelo multimodal nativo es «agente de horizonte largo que mantiene vivo el contexto visual a través de muchas llamadas a herramientas», un clip de treinta segundos y un solo vídeo por solicitud es la cifra que condiciona la arquitectura, no la tabla de benchmarks.

Qué es el modelo, en cifras que puedes verificar

Los parámetros y la ventana aparecen en dos lugares del sitio para desarrolladores de Ant: la tabla de selección de modelos Ling, donde Ling 3.2 Flash aparece encima de Ling-3.1-flash con la misma fila de 560B / 25B / 1M y una línea de posicionamiento distinta, y la cronología «Ling's Evolution», que sitúa la serie 3.2 en 2026.11. La línea de posicionamiento es la verdadera diferencia: 3.1 se describe como un modelo de razonamiento híbrido para trabajo de oficina, desarrollo de software de horizonte largo y tareas de agentes; 3.2 se describe como un modelo multimodal nativo centrado en la comprensión visual compleja, los agentes multimodales de horizonte largo, la comprensión e interacción 3D y el trabajo multimodal médico. Mismo esqueleto, un nuevo sentido.

• Parámetros totales: 560B para Ling 3.2 Flash, solo igualado por su hermano de solo texto Ling-3.1-flash con 560B; el predecesor de visión Ling-3.0-flash-VL era de 124B.

• Parámetros activos por token — 25B, frente a 5,5B de Ling-3.0-flash-VL y 25B de Ling-3.1-flash.

• Ventana de contexto — 1M de tokens, cuatro veces los 256K que ofrecen Ling-3.0-flash-VL y Ling-3.0-flash.

• Modalidades: entrada de texto, imagen y vídeo, salida de texto, con visión y lenguaje combinados en la propia arquitectura en lugar de enrutarse a través de un módulo externo.

• Formatos de endpoint: chat/completions compatible con OpenAI y messages compatible con Anthropic, ambos en api.ant-ling.com.

La consecuencia práctica de la forma de los endpoints es que una integración existente se traslada con un cambio de URL base y una cadena de modelo. Ant ofrece los mismos dos formatos para cada modelo Ling, y la guía multimodal muestra bloques de contenido image_url para imágenes estáticas y bloques video_url para vídeo, ambos solo en base64 —no hay ninguna ruta de obtención por URL documentada para ninguno de los dos, lo que constituye la segunda restricción con la que se encuentra una integración de producción antes de llegar a un benchmark.

El precio aún no está publicado, y el contador tiene cinco días.

Esta es la parte que vale la pena revisar antes de construir cualquier cosa. La página de precios de Ant —actualizada por última vez el 5 de noviembre de 2026, el día del lanzamiento— incluye filas para Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash y dos modelos de imagen Ming. No incluye una fila para Ling 3.2 Flash. El modelo aparece en esa página exactamente una vez, en una línea promocional: gratis durante las primeras dos semanas tras el lanzamiento.

Contando desde el 5 de noviembre, esa ventana se cierra alrededor del 19 de noviembre. Hoy le quedan aproximadamente cinco días. Cuando se cierre, la página dice que vuelven los precios originales y te pide que estés pendiente de tu saldo, lo que constituye toda la información sobre precios de un buque insignia de 560B.

Lo que puedes hacer es acotar la cifra a partir de la fila anterior. Ling-3.1-flash figura en la lista a ¥2.00 por millón de tokens de entrada y ¥6.00 por millón de salida, con un descuento del 75% a ¥0.50 y ¥1.50, y con lecturas de caché a ¥0.40 que bajan a ¥0.10. Al convertir la cifra de lista, un modelo insignia Ling solo de texto queda en aproximadamente $0.28 de entrada y $0.85 de salida por millón; la tarifa con descuento se acerca a $0.07 y $0.21. Si Ling 3.2 Flash tiene precios como su hermano, ese es el orden de magnitud. Es una inferencia a partir de una fila adyacente, no una tarifa publicada, y un modelo multimodal conlleva tokens de imagen y video cuya tarifa Ant no ha descrito en absoluto: un clip de treinta segundos a 2 fps son 32 fotogramas, y ninguna página te dice cuánto cuestan esos 32 fotogramas.

Ese vacío tiene una consecuencia concreta para cualquiera que esté elaborando un presupuesto: no puedes responder «cuánto cuesta esta tarea» para Ling 3.2 Flash como sí puedes hacerlo con un modelo que tiene una tarifa publicada. Puedes responderlo después del 19 de noviembre, o puedes responderlo ahora ejecutando la evaluación mientras el contador está apagado, que es la interpretación sensata de una ventana gratuita de catorce días en un modelo sin precio publicado.

Tres números de referencia, todos de Ant.

El anuncio de Ant compara Ling 3.2 Flash con Opus 5 ejecutándose con el máximo esfuerzo de razonamiento en tres evaluaciones. Las tres son reportadas por el proveedor, producidas por el propio proceso de lanzamiento de Ant, y ninguna se ha reproducido fuera de él. Con esa etiqueta puesta:

• OmniDocBench1.5 — 92,21 para Ling 3.2 Flash frente a 90,56 para Opus 5 (max), una diferencia de 1,65 puntos en comprensión de documentos.

• ZEROBench(Sub) — 43,71 frente a 39,52, la brecha relativa más amplia, de aproximadamente el 10,6 %, en un benchmark de escenas 3D.

• Vision2Web — 85,86 frente a 80,20, una evaluación de implementación de web a partir de visión.

Lee el conjunto y dice algo más limitado que «vence a Opus 5». Los tres benchmarks son visuales. Ant eligió las tres evaluaciones en las que un modelo nativamente multimodal con 25B de parámetros activos podría plausiblemente superar a un modelo cerrado de frontera, y no publicó ninguna comparación solo de texto —ni suite de razonamiento, ni suite de programación, ni tarea agéntica de terminal, que es precisamente donde reside el posicionamiento de Ling-3.1-flash del mismo laboratorio. Dos de los tres, ZEROBench y Vision2Web, no son instrumentos con una amplia participación de terceros, así que un lector no puede contrastarlos de forma razonable con otros modelos. Y «Opus 5 (max)» es una configuración de un competidor, sin que se especifiquen el arnés, el conjunto de prompts ni el número de intentos de ninguna de las partes.

Tampoco hay una puntuación independiente para este modelo que pueda ponerse junto a ellas. Artificial Analysis, el habitual árbitro neutral, no tiene una página para Ling 3.2 Flash a fecha de 14 de noviembre —la URL devuelve un 404—, y lo más parecido que tiene la familia es su modelo hermano solo de texto. Ling 3.1 Flash 1019 obtiene 29,6 en el actual Intelligence Index v5.0.1, a 0,30 USD de entrada y 0,90 USD de salida por millón. Es una cifra independiente real, y pertenece al modelo anterior, no a este.

Los límites de entrada son la verdadera especificación del producto.

Ant documenta cuatro áreas de capacidad para Ling 3.2 Flash, y son más estrechas que la lista habitual de lanzamiento: comprensión visual compleja (documentos con ecuaciones y diagramas, no descripción de imágenes), agentes multimodales de horizonte largo que mantienen vivo un contexto visual a lo largo de las llamadas a herramientas, comprensión e interacción 3D, y trabajo multimodal médico. Las demostraciones se corresponden con esas áreas: leer renders headless de esferas de material y comparar la rugosidad para refinar sus propios scripts, convertir planos de ingeniería en modelos web 3D, coordinar agentes especialistas sobre un contexto visual compartido para producir un informe, una presentación y un video de momentos destacados a partir de los mismos datos del Q2.

Luego lees los límites, y las demostraciones empiezan a parecer construidas dentro de las restricciones en lugar de alrededor de ellas. Un bucle de retroalimentación visual que inspecciona sus propias renderizaciones es barato en fotogramas: una imagen por turno, hasta cuarenta imágenes por solicitud, cada una de menos de 16384 por 784 píxeles. Un agente de horizonte largo que mantiene una grabación de reunión en el contexto no lo es, porque la grabación está limitada a treinta segundos y treinta y dos fotogramas. Los dos límites juntos describen un modelo creado para muchas miradas breves al mundo, no para una larga.

Los límites de velocidad lo agravan. La propia página de límites de velocidad de Ant establece un techo global de dos solicitudes por segundo, con respuestas 429 por encima de él, y un tiempo de espera de 90 segundos en llamadas síncronas, con streaming recomendado. Para un producto de chat, eso está bien. Para los bucles de agentes de varios pasos para los que el modelo está posicionado explícitamente —decenas de llamadas por tarea, cada una con un frame—, dos QPS es una cifra de planificación, y moldeará la arquitectura más de lo que lo hará cualquier brecha en los benchmarks.

Dónde encaja y cuánto te cuesta intentarlo

La postura honesta sobre la disponibilidad: Ling 3.2 Flash no está hoy en el catálogo de OrcaRouter. La lista de modelos en vivo devuelve 215 identificadores y ninguno de ellos es un modelo Ling; las coincidencias con «ling» son modelos de vídeo Kling, que son de un laboratorio chino completamente distinto. Así que nada de esto está a una llamada de distancia, y no existe ninguna ruta de failover de nuestro lado para ello. Lo que enrutamos es la clase de comparación con la que se lo evaluará: MiniMax M3.1 Flash, un MoE multimodal nativo de 428B/23B con la misma ventana de 1M, entrada de vídeo y pesos abiertos, a $0.15 por millón de tokens de entrada y $0.60 por millón de tokens de salida con un 90% de descuento por caché —precio de lista del proveedor repercutido sin margen, con failover automático entre proveedores detrás de una sola clave.

Esa es la forma útil de plantear la decisión mientras Ling 3.2 Flash no tiene lista de precios. Ejecuta la evaluación gratuita en la propia API de Ant, porque cinco días de inferencia gratuita en un modelo multimodal de 560B bien valen el costo de configuración que implica cambiar la URL base. No lo pongas detrás de una ruta de producción que no puedas tarificar, que no tenga conmutación por error y que no puedas limitar a más de dos solicitudes por segundo. Si la carga de trabajo es comprensión de documentos o de fotogramas y necesitas una cifra hoy, los modelos con los que realmente puedes presupuestar son los que están en una lista de precios — y hay más de 200 de ellos con una sola clave, lo que al menos convierte la comparación en una única integración en lugar de una por proveedor.

Qué ver antes de que se cierre la ventana

Tres cosas deciden si Ling 3.2 Flash se convierte en un modelo que usas o en un modelo que evaluaste. La primera es la tarifa: si Ant publica precios por millón —incluido cómo factura los tokens de imagen y vídeo— antes del 19 de noviembre, o si la ventana gratuita simplemente expira y pasa a una tarifa no listada. La segunda son los pesos. Ant es un laboratorio cuya reputación en 2026 se sustenta en checkpoints de 560B con licencia MIT; Ling-3.1-flash-1019 se publicó con 573,8 GB bajo MIT el 27 de octubre, y no existe ningún repositorio 3.2 en la organización de inclusionAI en Hugging Face a fecha de esta semana. Un modelo insignia cerrado de ese laboratorio es un cambio de postura, no una formalidad. La tercera es el primer benchmark independiente, porque hasta que exista uno, cada afirmación multimodal de este artículo es la palabra de Ant contra la selección de tareas de Ant.

Nada de eso hace que el modelo sea poco interesante. Un MoE multimodal nativo de 560B con 25B activos, una ventana de 1M y ambos dialectos de API es una pieza de ingeniería seria, y las tres diferencias en benchmarks frente a Opus 5 —reportadas por el proveedor, con un arnés no publicado— son lo bastante grandes como para que merezca la pena probarlas tú mismo en lugar de descartarlas. La postura correcta a los nueve días es para la que está pensada la ventana gratuita: medirlo ahora, ponerle precio cuando aparezca la tarifa y no confundir una quincena promocional con un compromiso de producto.