Ling-3.2-flash vs Ling-3.1-flash : même squelette 560B, un nouveau sens, aucun nouveau poids

La propre page de dépréciation d’Ant Ling rend la décision autour de Ling-3.2-flash plus difficile que ne le fait l’article de lancement. Trois modèles plus anciens — Ling-2.6-1T, Ring-2.6-1T et Ling-2.6-flash — seront retirés le 15 novembre 2026, et le remplacement recommandé pour les trois est Ling-3.1-flash. Ainsi, le jour où Ling-3.2-flash est arrivé, son prédécesseur venait d’être désigné comme la destination officielle de toutes les équipes quittant la génération 2.6. Ces équipes doivent désormais choisir entre le modèle vers lequel Ant leur a dit de migrer et celui qu’Ant a annoncé la même semaine. Les deux partagent un nombre de paramètres, une fenêtre de contexte, une surface d’API — et ne diffèrent que sur exactement un axe qui compte, plus un autre qui compte davantage : Ling-3.2-flash voit, Ling-3.1-flash lit, et c’est Ling-3.1-flash que l’on peut télécharger.

C’est la comparaison qui vaut la peine d’être faite, et ce n’est pas celle qu’a faite la couverture du lancement. Ling-3.2-flash l’emporte sur les capacités. Ling-3.1-flash l’emporte sur tout ce dont une équipe de production a besoin pour s’engager : un prix publié, des poids sous licence MIT et un score indépendant que vous pouvez vérifier — même si ce score a depuis été retiré du classement où il figurait.

Ce qui est véritablement identique

Commencez par les parties qu’Ant n’a pas modifiées, car elles déterminent l’ampleur réelle du travail d’une migration.

• Taille — les deux comptent 560 B de paramètres au total, avec 25 B actifs par token. Le tableau de sélection de modèle d’Ant indique les deux mêmes chiffres sur les deux lignes.

• Contexte — les deux disposent d’une fenêtre de 1 M de tokens. Ling-3.0-flash, un niveau en dessous, est plafonné à 256 K, si bien que 1 M constitue désormais la base de référence du haut de gamme plutôt qu’un argument phare.

• Surface de requête — les deux sont servis à api.ant-ling.com/v1 via un point de terminaison chat/completions compatible OpenAI et un point de terminaison messages compatible Anthropic. Les deux acceptent l'objet thinking avec enabled ou disabled ; la référence d'Ant répertorie les séries 3.0, 3.1 et 3.2 de la même manière.

• Lignée — même famille MoE hybride-linéaire, même recette d’attention KDA vers MLA à portes qu’Ant a introduite en 3.0 et affinée en 3.1, même topologie à 512 experts routés que le checkpoint ouvert 3.1.

• Limites de débit — le même plafond global de deux requêtes par seconde, avec des 429 au-delà, et le même délai d’expiration synchrone de 90 secondes, le streaming étant recommandé. Un nouveau modèle ne vous apporte pas plus de débit.

Ainsi, une migration de Ling-3.1-flash vers Ling-3.2-flash consiste en un changement de chaîne de modèle, plus tout ce que vous faites différemment avec les images. Il n’y a pas de nouveau SDK, pas de nouveau point de terminaison, pas de nouvelle authentification.

Ce qui a réellement changé : le modèle a appris à regarder

Ling-3.1-flash, c’est du texte en entrée, du texte en sortie. Ce n’est pas une limitation qu’Ant a cachée — le guide de sélection du fournisseur lui-même le positionne pour le travail de bureau, le développement logiciel sur longue durée et les tâches d’agents complexes, et ses supports de lancement de 2026 regorgeaient de benchmarks d’ingénierie : un portage de compilateur Lua vers x86-64-ELF, une passe de conformité Pyright, une réimplémentation en Rust, un correctif de parseur OceanBase. C’était un modèle pour les personnes qui écrivent du code pour gagner leur vie.

Ling-3.2-flash est repositionné autour de quatre capacités visuelles : la compréhension visuelle complexe, les agents multimodaux à long horizon, la compréhension et l’interaction en 3D, et les travaux multimodaux médicaux. La référence de l’API précise explicitement qu’une requête Ling-3.2-flash « accepte nativement le texte, les images et les vidéos », en utilisant des blocs image_url pour les images fixes et des blocs video_url pour la vidéo. Les démos publiées par Ant montrent à quoi cela sert : lire des rendus headless de sphères de matériau et comparer les cartes de rugosité et de normales pour affiner un script ; piloter Blender via des actions d’interface ; convertir des dessins techniques en modèles web 3D ; transformer des PDF de recherche contenant des équations en code fonctionnel ; estimer les portions et les calories à partir de photos de repas.

Les trois benchmarks de publication d'Ant sont tous visuels, et tous rapportés par le fournisseur. OmniDocBench1.5 à 92,21 contre 90,56 pour Opus 5 à effort maximal ; ZEROBench(Sub) à 43,71 contre 39,52 ; Vision2Web à 85,86 contre 80,20. L'affirmation qu'ils étayent est étroite et précise : sur l'analyse de documents, le raisonnement sur des scènes 3D et l'implémentation vision-vers-web, Ant estime que le nouveau modèle surpasse un modèle fermé de pointe. Aucun des trois ne dit quoi que ce soit sur le raisonnement textuel, et Ant n'a publié aucun benchmark textuel — ce qui est en soi un signal, étant donné que le lancement de Ling-3.1-flash était presque entièrement constitué de benchmarks textuels.

Si votre charge de travail est textuelle, l'interprétation honnête est que l'avantage de Ling-3.2-flash sur Ling-3.1-flash n'est pas mesuré. Si votre charge de travail implique de regarder quelque chose, c'est tout l'intérêt.

C’est sur la question du prix que les deux divergent le plus fortement.

Ling-3.1-flash dispose d'une grille tarifaire publiée, actuellement remisée. La page tarifaire d'Ant l'affiche à 2,00 ¥ par million de tokens d'entrée et 6,00 ¥ par million de tokens de sortie, ramenés de 75 % à 0,50 ¥ et 1,50 ¥, les lectures de cache passant de 0,40 ¥ à 0,10 ¥. La colonne USD qu'Ant publie pour les plateformes tierces indique 0,30 $ et 0,90 $ au tarif catalogue, remisés à 0,075 $ et 0,225 $.

Ling-3.2-flash n’a aucune grille tarifaire. La page de tarification liste Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash et deux modèles d’image Ming ; Ling-3.2-flash n’apparaît que dans une bannière promotionnelle : « gratuit pendant les 2 premières semaines suivant le lancement », les prix d’origine s’appliquant ensuite, avec une suggestion de surveiller le solde de votre compte. Aucun tarif d’entrée, aucun tarif de sortie, aucun tarif de cache et — ce qui est plus important pour un modèle multimodal — aucun traitement publié des tokens d’image ou de vidéo.

Pour quiconque planifie sa capacité, c’est l’asymétrie décisive. Un modèle que l’on ne peut pas tarifer est un modèle que l’on ne peut pas inscrire dans un budget, et un modèle de vision dont la comptabilisation des jetons d’image n’est pas documentée est un modèle dont on ne peut même pas estimer le coût à partir de son tarif texte. La fenêtre gratuite se ferme vers le 19 novembre, cinq jours avant que la vague de dépréciation d’Ant n’arrive le 15. Les équipes qui migrent depuis Ling-2.6 seront confrontées aux deux dates dans la même quinzaine.

Poids : le prédécesseur est ouvert, le successeur ne l'est pas

C'est la partie qui inverse l'ordre intuitif. Le modèle plus ancien est celui dont les poids sont téléchargeables.

Le dépôt inclusionAI/Ling-3.1-flash est sous licence MIT et contient 572 120 680 768 octets de safetensors — environ 572 Go — dernière modification le 3 novembre 2026. Son homologue Ling-3.1-flash-1019, la révision post-entraînement publiée par Ant fin octobre, est également sous licence MIT et contient 54 fragments FP8 pour environ 573,8 Go. Les deux sont le point de contrôle complet, et non des adaptateurs, et tous deux nécessitent trust_remote_code en raison du code de modélisation personnalisé BailingMoeV3ForCausalLM.

Ling-3.2-flash n'a pas de dépôt. La liste récente de l'organisation inclusionAI comprend Ling-3.1-flash-1019, Ling-3.1-flash, un checkpoint de base, les modèles de vision ZwZ2 et les modèles audio Ming — aucune entrée 3.2. Sous l'annonce d'Ant, la réponse la plus appréciée est celle d'un utilisateur qui souhaite qu'il soit open source, et Ant n'a pas répondu.

Donc les deux modèles échangent leurs places selon vos besoins. Si vous voulez servir un MoE de 560B sur votre propre matériel, l'évaluer hors ligne, l'affiner ou simplement ne pas dépendre de la disponibilité d'un fournisseur, Ling-3.1-flash est disponible selon des conditions qui permettent tout cela, et Ling-3.2-flash ne l'est pas. Si vous voulez le meilleur modèle multimodal et que vous vous contentez de le louer, l'ordre s'inverse.

Les scores indépendants, tels qu’ils sont

Artificial Analysis a refondu son Intelligence Index en version v5.0.1 fin octobre, et cette refonte a laissé les deux modèles Ling dans des états différents. Consultée aujourd'hui, la page Ling 3.1 Flash n'affiche aucun chiffre d'Intelligence Index — la tuile indique N/A, aux côtés de N/A pour le temps par tâche de l'indice, le coût par tâche de l'indice et les tokens de sortie. La page Ling 3.1 Flash 1019, en revanche, affiche un score en direct de 30 sur v5.0.1, avec un coût pondéré de 3,19 $ par tâche de l'indice et 240 M de tokens de sortie générés.

Ce 30 n’est comparable à aucun score Ling d’avant la refonte. Selon le barème précédent, Ling-3.1-flash-1019 affichait 44 ; le barème v5 est plus difficile, pondère 60 % du composite vers les ensembles privés et réservés, et a fait baisser la plupart des modèles. Le passage de 44 à 30 est une réévaluation, pas une régression.

Ling-3.2-flash n’a pas du tout de page Artificial Analysis. Il n’existe aucun chiffre provenant de tiers, aucune mesure de vitesse, aucune estimation du coût par tâche. Les seuls chiffres qui existent sont les trois benchmarks visuels d’Ant.

Comment décider

La règle de décision qui découle de tout ce qui précède est d’une clarté inhabituelle, car les deux modèles ne sont pas vraiment substituables.

Restez sur Ling-3.1-flash si votre charge de travail est textuelle et que votre calendrier est celui de la production. Vous bénéficiez d’un tarif réduit publié, de poids MIT que vous pouvez auto-héberger, d’un score indépendant de 30 selon la grille d’évaluation actuelle pour la version 1019, et de la recommandation d’Ant comme remplacement de trois modèles arrivant en fin de vie. Rien dans Ling-3.2-flash n’améliore l’un de ces points pour le travail textuel, à l’exception d’une possibilité non mesurée.

Passez à Ling-3.2-flash si le travail implique des images, des vidéos, des documents avec mise en page, de la 3D ou des captures d’écran. C’est la capacité que Ling-3.1-flash n’a tout simplement pas, et c’est la seule raison d’accepter un prix non publié et des poids fermés. Lancez votre évaluation pendant la fenêtre gratuite — l’intégration se résume à un changement de chaîne de modèle sur un SDK que vous avez déjà — et considérez tout ce que vous construisez dessus avant le 19 novembre comme un pilote plutôt qu’un engagement.

Lancez les deux si votre trafic est mixte. Dirigez les tâches visuelles vers 3.2 et les tâches textuelles vers 3.1, ce à quoi sert véritablement la répartition en deux modèles, et notez que la limite de débit d’Ant est globale par compte plutôt que par modèle — le plafond ne double pas parce que vous appelez deux modèles.

Là où un routeur a sa place, et où il ne l'a pas

Pour être précis sur notre propre position, car il est facile de laisser entendre davantage : ni Ling-3.2-flash ni Ling-3.1-flash ne figurent au catalogue d’OrcaRouter. Nous avons relu la liste des modèles en direct le 6 novembre et elle renvoie 215 identifiants sans aucune entrée Ling, inclusionAI, Ring ou ERNIE — les seules correspondances « ling » sont des modèles vidéo Kling. Rien dans cette comparaison n’est donc accessible en un seul appel aujourd’hui.

Ce qu'un routeur vous apporte ici, c'est le chemin de sortie plutôt que l'entrée. La limite de débit d'Ant est de deux requêtes par seconde et par compte ; un limiteur global sur un modèle phare de 560B est exactement la situation où le basculement de secours justifie son coût, et la façon pratique d'exécuter Ling-3.2-flash dans une boucle d'agent est de placer un second fournisseur derrière lui plutôt que de faire la queue derrière un 429. De notre côté, ce second fournisseur est un modèle avec un tarif publié sur la même clé : Qwen3.8-Flash à 0,15 $ par million de tokens d'entrée et 0,47 $ par million de tokens de sortie pour le travail de vision, ou DeepSeek V4.1 Flash à 0,15 $ et 0,60 $, et GLM-5.3-Flash à 0,15 $ et 0,50 $ pour le texte. Le DSL de routage compose plusieurs modèles en un seul appel, ce qui permet à la répartition ci-dessus de devenir un point de terminaison unique au lieu de deux intégrations.

Qu'est-ce qui réglerait la question ?

Trois publications transformeraient ce choix subjectif en une comparaison de spécifications. Une grille tarifaire pour Ling-3.2-flash, précisant comment les tokens d’image et de vidéo sont comptés. Un dépôt Ling-3.2-flash sous les mêmes conditions MIT que son prédécesseur, ce qui ferait disparaître du jour au lendemain le principal avantage du modèle plus ancien. Et un tableau d’évaluation uniquement textuel — une suite de raisonnement, une suite de codage — qui nous dirait si la génération 3.2 a amélioré ce pour quoi 3.1 avait été conçue, ou si elle n’a fait qu’y ajouter un sens.

D’ici là, le classement est le suivant : Ling-3.2-flash est le meilleur modèle, et Ling-3.1-flash est le meilleur pari. Ant a livré les deux à cinq semaines d’intervalle — Ling-3.1-flash le 30 septembre 2026, Ling-3.2-flash le 5 novembre — et un seul de ces deux modèles a un prix affiché.