Ling-3.2-flash: Produk Unggulan Multimodal Native Ant Ling Berjalan dengan Siklus Dua Minggu

Fakta paling berdampak tentang Ling-3.2-flash adalah soal penagihan, dan itu akan berakhir. Ant Ling memasukkan model tersebut ke API-nya pada 5 November 2026 dan menggratiskannya selama empat belas hari pertama; ketika jendela itu ditutup, "harga asli" kembali berlaku — harga yang belum dipublikasikan oleh vendor. Jadi setiap klaim arsitektural di bawah ini memiliki masa berlaku singkat dan satu pertanyaan jangka panjang yang menyertainya: berapa biayanya pada hari kelima belas? Ling-3.2-flash adalah model mixture-of-experts berparameter 560 miliar dengan 25 miliar parameter aktif per token, konteks 1M token, dan — berita sebenarnya — input gambar, teks, dan video native, yang menjadikannya flagship Ling pertama yang melihat alih-alih hanya membaca. Pendahulunya, Ling-3.1-flash, hanya untuk teks. Ling-3.0-flash-VL, model visi sebelumnya, adalah cabang sampingan 124B. Ini pertama kalinya puncak lini Ling dan kemampuan multimodal berada dalam bobot yang sama.

Entri changelog Ant sendiri (versi 2.0.6, bertanggal 5 November) adalah dokumen rilisnya, dan panjangnya hanya satu kalimat. Pengumuman di X pada malam yang sama menambahkan tiga angka benchmark dan lima video demo. Tidak ada laporan teknis, kartu model, bobot, maupun daftar harga. Jejak dokumennya lebih tipis daripada yang didapat Ling-3.1-flash pada September, dan itu perlu dikatakan secara terang-terangan sebelum kita menganggap angka apa pun sebagai sudah mapan.

Apa yang sebenarnya dirilis, dan apa yang belum dikatakan Ant

Empat hal terdokumentasi dan dapat diperiksa saat ini. Jumlah parameter, jumlah aktif, dan jendela konteks muncul di dua tempat di situs developer Ant — tabel pemilihan model Ling dan lini masa "Ling's Evolution", yang menempatkan seri 3.2 di bawah 2026.11. Dukungan modalitas muncul di referensi API: permintaan ke Ling-3.2-flash "secara native menerima teks, gambar, dan video," dengan blok konten image_url untuk gambar diam dan blok video_url untuk video. Bentuk endpoint adalah dua yang sudah dijalankan Ant di mana-mana — chat/completions yang kompatibel dengan OpenAI dan messages yang kompatibel dengan Anthropic, keduanya di api.ant-ling.com/v1.

Empat hal tidak didokumentasikan. Tidak ada harga per satu juta token yang dipublikasikan untuk Ling-3.2-flash di mana pun pada halaman harga — tabel tersebut mencantumkan Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash, dan dua model gambar Ming, dan Ling-3.2-flash hanya muncul di baris promosi. Tidak ada bobot terbuka: organisasi inclusionAI di Hugging Face memuat Ling-3.1-flash, Ling-3.1-flash-1019, dan checkpoint dasar Ling-3.1-flash, dan tidak ada repositori 3.2. Tidak ada tolok ukur independen. Dan tidak ada batas token keluaran yang dinyatakan, yang bagi model yang diposisikan untuk generasi hasil kerja panjang merupakan kelalaian nyata, bukan sekadar catatan kaki.

Pertanyaan tentang bobot model memiliki jejak sosial yang terlihat. Satu-satunya balasan yang layak dibaca di bawah pengumuman Ant adalah seorang pengguna yang pada intinya menanyakan apakah model itu akan menjadi open source. Ant belum menjawab. Bagi sebuah lab yang seluruh reputasinya pada 2026 bergantung pada checkpoint 560B berlisensi MIT — Ling-3.1-flash-1019 dirilis pada 573,8 GB dengan lisensi MIT pada 27 Oktober — menutup model unggulan adalah perubahan sikap, bukan formalitas.

Ketiga angka itu, dan berapa nilainya

Pengumuman Ant membandingkan Ling-3.2-flash dengan Opus 5 yang berjalan pada upaya penalaran maksimum dalam tiga evaluasi. Ketiganya dilaporkan oleh vendor, ketiganya berasal dari jalur rilis Ant sendiri, dan tidak satu pun telah direproduksi di luarnya. Dengan label itu melekat kuat:

• OmniDocBench1.5 — 92,21 untuk Ling-3.2-flash dibandingkan 90,56 untuk Opus 5 (maks). Tolok ukur pemahaman dokumen; selisih 1,65 poin.

• ZEROBench(Sub) — 43,71 dibandingkan dengan 39,52. Ini adalah celah relatif terlebar dari ketiganya, sekitar 10,6%, pada benchmark adegan 3D.

• Vision2Web — 85,86 berbanding 80,20. Evaluasi implementasi visi-ke-web, dan yang paling langsung berkaitan dengan demo frontend yang diterbitkan Ant bersamanya.

Baca rangkaian evaluasi itu dengan cermat, dan pernyataannya lebih sempit daripada "mengalahkan Opus 5." Pertama, ketiga tolok ukur tersebut bersifat visual. Ant memilih tiga evaluasi yang memungkinkan model multimodal native dengan 25B parameter aktif secara plausibel mengalahkan model tertutup terdepan, dan tidak menerbitkan satu pun perbandingan khusus teks — tidak ada rangkaian uji penalaran, tidak ada rangkaian uji pengodean, tidak ada tugas terminal agentik. Kedua, dua dari tiga (ZEROBench dan Vision2Web) bukan instrumen papan peringkat standar dengan partisipasi pihak ketiga yang luas; pembaca tidak dapat dengan mudah memeriksa kewajarannya terhadap model lain. Ketiga, "Opus 5 (max)" adalah konfigurasi spesifik dari pesaing tertentu, dan pengumuman tersebut tidak menyebutkan harness, kumpulan prompt, atau jumlah percobaan di kedua pihak.

Itu tidak membuat angka-angka itu salah. Itu menjadikannya klaim vendor tentang kumpulan tugas pilihan vendor, yang merupakan hal normal bagi sebuah peluncuran dan hal tidak normal untuk diulang sebagai fakta. Ringkasan jujurnya adalah bahwa Ant percaya Ling-3.2-flash adalah model Tiongkok terkuat yang tersedia untuk tugas dokumen, 3D, dan vision-to-code, dan telah menerbitkan tepat bukti yang mendukung keyakinan itu dan tidak satu pun bukti yang akan mengujinya.

Di mana multimodalitas seharusnya membuahkan hasil

Ant menyebutkan empat area kemampuan, dan area-area ini lebih spesifik daripada daftar peluncuran biasanya. Yang pertama adalah pemahaman visual yang kompleks — dokumen dengan persamaan dan diagram, bukan pembuatan keterangan gambar. Yang kedua adalah "Agen multimodal berhorizon panjang," yang dalam kerangka Ant berarti model yang menjaga konteks visual tetap aktif di sepanjang banyak pemanggilan alat. Yang ketiga adalah pemahaman dan interaksi 3D, dan yang keempat adalah pekerjaan multimodal medis.

Demo-demo itu adalah bagian yang menarik karena menunjukkan bentuk penggunaan yang dimaksud. Dalam salah satunya, Ling-3.2-flash mengoordinasikan agen-agen spesialis melalui konteks bersama untuk mengubah data keuangan Q2 menjadi laporan analisis, deck board enam slide, dan video sorotan, lalu merevisi ketiganya berdasarkan umpan balik. Dalam demo lain, ia menggerakkan Blender melalui aksi UI dan perubahan parameter serta mengubah gambar teknik menjadi model web 3D. Demo ketiga menunjukkan ia membaca render headless dari bola material dan membandingkan kekasaran, normal map, dan detail bump untuk menyempurnakan skripnya sendiri — loop umpan balik visual, pola "amati, bertindak, verifikasi, koreksi" yang sama yang Ant bangun ke dalam Ling-3.0-flash-VL. Demo keempat membaca PDF riset berisi persamaan dan mengimplementasikan algoritme dalam kode. Demo kelima mengubah foto makanan menjadi jurnal makanan mingguan dengan perkiraan porsi dan total nutrisi.

Dua dari lima itu layak ditanggapi serius sebagai klaim produk, bukan sekadar pemasaran: loop inspeksi render dan konversi gambar ke 3D keduanya mengharuskan model melihat output-nya sendiri dan mengubah arah, yang merupakan satu kapabilitas yang membedakan pelatihan multimodal native dari sekadar memasang encoder visi pada model teks. Apakah ini bekerja pada kualitas yang diklaim Ant adalah persis hal yang belum dibuktikan oleh pengujian independen mana pun.

Narasi akses adalah bagian yang punya taring.

Ling-3.2-flash dapat diakses melalui tiga cara saat ini: produk chat Ling Studio, endpoint chat yang kompatibel dengan OpenAI, dan endpoint messages yang kompatibel dengan Anthropic. Objek thinking didokumentasikan sebagai didukung di seluruh seri 3.0, 3.1, dan 3.2, dengan enabled sebagai default dan disabled tersedia untuk pekerjaan yang sensitif terhadap latensi. SDK yang sudah ada berfungsi dengan perubahan base URL.

Lalu ada realitas operasional yang didokumentasikan Ant di halaman batas lajunya sendiri: dua kueri per detik, secara global, dengan respons 429 di atas ambang itu, dan batas waktu 90 detik untuk panggilan sinkron dengan streaming yang disarankan. Untuk produk chat, itu tidak masalah. Untuk beban kerja agen berhorizon panjang yang secara eksplisit menjadi sasaran posisi model ini — loop multi-langkah, rantai alat, agen yang memanggil model puluhan kali per tugas — dua QPS adalah plafon keras yang akan membentuk arsitektur lebih dari angka benchmark mana pun. Siapa pun yang berencana menjalankan Ling-3.2-flash sebagai tulang punggung agen harus membaca halaman itu sebelum halaman harga.

Di pihak kami sendiri, posisi jujurnya: Ling-3.2-flash tidak ada di katalog OrcaRouter saat ini. Kami membaca ulang daftar model live pada 6 November dan daftar itu mengembalikan 215 pengenal, tidak satu pun Ling, inclusionAI, Ring, atau ERNIE — satu-satunya kecocokan "ling" adalah model video Kling. Jadi tidak ada apa pun di sini yang bisa diakses dengan satu panggilan. Yang bisa diakses dengan satu panggilan, jika Anda mengandalkan jendela gratis dua minggu, adalah model dengan harga terbit yang benar-benar bisa Anda anggarkan: Qwen3.8-Flash dengan $0,15 per juta input dan $0,47 per juta output, GLM-5.3-Flash dengan $0,15 dan $0,50, serta DeepSeek V4.1 Flash dengan $0,15 dan $0,60. Itu adalah harga daftar penyedia yang diteruskan dengan tanpa markup, jadi ketika vendor memangkas tarif, perubahan itu langsung berlaku di sisi kami pada hari yang sama, bukan setelah siklus penetapan harga ulang.

Seperti apa hari kelima belas

Halaman harga Ant menyatakan bahwa harga asli berlaku kembali setelah periode promosi dan meminta Anda untuk "memantau saldo akun Anda." Itulah seluruh pengungkapan harga untuk flagship 560B. Bandingkan dengan model di baris yang sama di halaman itu: Ling-3.1-flash tercantum pada ¥2,00 input dan ¥6,00 output per juta token, didiskon 75% menjadi ¥0,50 dan ¥1,50; Ling-3.0-flash-VL pada ¥0,50 dan ¥1,50, didiskon 72% menjadi ¥0,14 dan ¥0,42. Jika Ling-3.2-flash berada di kisaran yang mendekati model saudaranya yang hanya-teks, itu kira-kira $0,30 per juta token input dan $0,90 per juta token output pada harga daftar, sebelum diskon — tetapi itu merupakan inferensi dari baris tetangga, bukan tarif yang dipublikasikan, dan model multimodal mencakup token gambar dan video yang penetapan harganya belum dijelaskan Ant sama sekali.

Jadi, keputusan pembaca terbagi dengan jelas berdasarkan garis waktu. Jika Anda memiliki evaluasi yang padat dokumen atau padat visi untuk dijalankan minggu ini, Ling-3.2-flash gratis, mumpuni secara teori, dan sepadan dengan biaya penyiapan untuk mengubah base-URL. Jika Anda memilih fondasi produksi untuk kuartal berikutnya, Anda memilih model tanpa harga yang dipublikasikan, tanpa skor independen, tanpa bobot, batas dua permintaan per detik, dan tanpa jalur cadangan — dan langkah yang bertanggung jawab adalah menjalankan evaluasi sekarang, selagi tidak memakan biaya, serta menunda keputusan arsitektur sampai daftar harga dan skor pihak ketiga pertama tersedia.

Yang perlu diperhatikan bukanlah papan peringkat. Yang perlu diperhatikan adalah apakah Ant menerbitkan kartu tarif dan kartu model sebelum jendela gratis ditutup, dan apakah inclusionAI mendapatkan repositori 3.2 seperti ia mendapatkan repositori 3.1. Sebuah lab yang tiga minggu lalu merilis 574 GB bobot MIT dan sekarang merilis produk unggulan tertutup sedang memberi tahu Anda sesuatu tentang di mana marginnya. Tenggat dua minggu itu adalah batas waktu untuk memutuskan apakah Anda mempercayainya.