Ling-3.2-flash vs Ling-3.1-flash: Kerangka 560B yang Sama, Satu Indra Baru, Tanpa Bobot Baru

Halaman penghentian Ant Ling sendiri membuat keputusan Ling-3.2-flash lebih sulit daripada postingan peluncurannya. Tiga model lama — Ling-2.6-1T, Ring-2.6-1T, dan Ling-2.6-flash — akan dihentikan pada 15 November 2026, dan pengganti yang direkomendasikan untuk ketiganya adalah Ling-3.1-flash. Jadi pada hari Ling-3.2-flash hadir, pendahulunya baru saja ditetapkan sebagai titik tujuan resmi bagi setiap tim yang bermigrasi dari generasi 2.6. Tim-tim itu kini harus memilih antara model yang Ant suruh mereka pindahi dan model yang Ant umumkan pada minggu yang sama. Keduanya memiliki jumlah parameter yang sama, jendela konteks yang sama, permukaan API yang sama — dan berbeda pada tepat satu sumbu yang penting, plus satu yang lebih penting: Ling-3.2-flash bisa melihat, Ling-3.1-flash membaca, dan Ling-3.1-flash-lah yang dapat diunduh.

Itulah perbandingan yang layak dibuat, dan bukan perbandingan yang dibuat oleh liputan peluncuran. Ling-3.2-flash unggul dalam kemampuan. Ling-3.1-flash unggul dalam segala hal yang dibutuhkan tim produksi untuk berkomitmen: harga yang dipublikasikan, bobot berlisensi MIT, dan skor independen yang dapat Anda periksa — meskipun skor itu sejak itu telah ditarik dari papan peringkat tempat skor itu berada.

Apa yang benar-benar identik

Mulailah dengan bagian-bagian yang tidak diubah oleh Ant, karena bagian-bagian itu menentukan seberapa besar pekerjaan migrasi sebenarnya.

• Ukuran — keduanya memiliki total 560B parameter dengan 25B yang aktif per token. Tabel pemilihan model Ant mencantumkan dua angka yang sama pada kedua baris.

• Konteks — keduanya memiliki jendela 1M token. Ling-3.0-flash, satu tingkat di bawahnya, dibatasi hingga 256K, jadi 1M kini menjadi baseline unggulan, bukan sekadar sorotan utama.

• Permukaan permintaan — keduanya dilayani di api.ant-ling.com/v1 melalui endpoint chat/completions yang kompatibel dengan OpenAI dan endpoint messages yang kompatibel dengan Anthropic. Keduanya menerima objek thinking dengan enabled atau disabled; referensi Ant mencantumkan seri 3.0, 3.1, dan 3.2 secara sama.

• Silsilah — keluarga MoE hibrida-linear yang sama, resep atensi KDA-ke-gated-MLA yang sama yang diperkenalkan Ant pada 3.0 dan disempurnakan pada 3.1, topologi 512-routed-expert yang sama dengan checkpoint 3.1 terbuka.

• Batas laju — plafon global yang sama sebesar dua kueri per detik dengan respons 429 jika melewatinya, dan batas waktu sinkron 90 detik yang sama dengan streaming yang direkomendasikan. Model baru tidak memberi Anda throughput yang lebih besar.

Jadi migrasi dari Ling-3.1-flash ke Ling-3.2-flash adalah perubahan string model ditambah apa pun yang Anda lakukan secara berbeda dengan gambar. Tidak ada SDK baru, tidak ada endpoint baru, tidak ada autentikasi baru.

Apa yang sebenarnya berubah: model itu belajar untuk melihat

Ling-3.1-flash adalah teks masuk, teks keluar. Itu bukan batasan yang disembunyikan Ant — panduan pemilihan milik vendor itu sendiri memposisikannya untuk pekerjaan kantor, pengembangan perangkat lunak jangka panjang, dan tugas agen yang kompleks, dan materi peluncuran 2026-nya penuh dengan tolok ukur rekayasa: port kompiler Lua-ke-x86-64-ELF, kelulusan kesesuaian Pyright, reimplementasi Rust, patch parser OceanBase. Itu adalah model untuk orang yang menulis kode sebagai mata pencaharian.

Ling-3.2-flash diposisikan ulang pada empat kemampuan visual: pemahaman visual yang kompleks, agen multimodal berjangka panjang, pemahaman dan interaksi 3D, serta pekerjaan multimodal medis. Referensi API secara eksplisit menyatakan bahwa permintaan Ling-3.2-flash "secara native menerima teks, gambar, dan video," menggunakan blok image_url untuk gambar diam dan blok video_url untuk video. Demo yang diterbitkan Ant menunjukkan kegunaannya: membaca render headless bola material dan membandingkan peta kekasaran serta normal untuk menyempurnakan skrip; mengendalikan Blender melalui aksi UI; mengubah gambar teknik menjadi model web 3D; mengubah PDF riset berisi persamaan menjadi kode yang berfungsi; memperkirakan porsi dan kalori dari foto makanan.

Tiga tolok ukur rilis Ant semuanya visual, dan semuanya dilaporkan vendor. OmniDocBench1.5 pada 92,21 berbanding 90,56 untuk Opus 5 pada upaya maksimal; ZEROBench(Sub) pada 43,71 berbanding 39,52; Vision2Web pada 85,86 berbanding 80,20. Klaim yang didukungnya sempit dan spesifik: pada penguraian dokumen, penalaran adegan 3D, dan implementasi visi-ke-web, Ant meyakini model baru mengalahkan model tertutup terdepan. Tidak satu pun dari ketiganya mengatakan apa pun tentang penalaran teks, dan Ant tidak menerbitkan tolok ukur teks sama sekali — yang itu sendiri merupakan sinyal, mengingat peluncuran Ling-3.1-flash hampir seluruhnya berupa tolok ukur teks.

Jika beban kerja Anda berupa teks, pembacaan yang jujur adalah bahwa keunggulan Ling-3.2-flash atas Ling-3.1-flash belum terukur. Jika beban kerja Anda melibatkan melihat sesuatu, justru itulah intinya.

Persoalan harga adalah titik di mana keduanya paling tajam berbeda

Ling-3.1-flash memiliki daftar harga yang dipublikasikan, saat ini sedang diskon. Halaman harga Ant mencantumkannya sebesar ¥2,00 per juta token masukan dan ¥6,00 per juta token keluaran, diturunkan 75% menjadi ¥0,50 dan ¥1,50, dengan pembacaan cache sebesar ¥0,40 turun menjadi ¥0,10. Kolom USD yang Ant terbitkan untuk platform pihak ketiga menunjukkan $0,30 dan $0,90 pada harga daftar, didiskon menjadi $0,075 dan $0,225.

Ling-3.2-flash sama sekali tidak memiliki daftar tarif. Halaman harga mencantumkan Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash, dan dua model gambar Ming; Ling-3.2-flash hanya muncul di banner promosi: "gratis selama 2 minggu pertama setelah peluncuran," dengan harga normal berlaku kembali setelahnya dan saran untuk memantau saldo akun Anda. Tidak ada tarif input, tarif output, tarif cache, dan — yang lebih penting bagi model multimodal — tidak ada penjelasan yang dipublikasikan tentang perlakuan token gambar atau video.

Bagi siapa pun yang merencanakan kapasitas, itulah asimetri yang menentukan. Model yang tidak dapat Anda tetapkan harganya adalah model yang tidak dapat Anda masukkan ke dalam anggaran, dan model visi yang penghitungan token gambarnya tidak terdokumentasi adalah model yang biayanya bahkan tidak dapat Anda perkirakan dari tarif teksnya. Jendela gratis ditutup sekitar 19 November, lima hari sebelum gelombang penghentian Ant tiba pada tanggal 15. Tim yang bermigrasi dari Ling-2.6 akan menghadapi kedua tanggal tersebut dalam rentang dua minggu yang sama.

Bobot: pendahulunya terbuka, penerusnya tidak

Inilah bagian yang membalik urutan intuitif. Model yang lebih lama adalah model yang bobotnya dapat diunduh.

Repositori Hugging Face inclusionAI/Ling-3.1-flash berlisensi MIT dan membawa 572.120.680.768 byte safetensors — sekitar 572 GB — terakhir dimodifikasi 3 November 2026. Saudaranya, Ling-3.1-flash-1019, revisi pasca-pelatihan yang didorong Ant pada akhir Oktober, juga berlisensi MIT dan menyimpan 54 shard FP8 dengan ukuran sekitar 573,8 GB. Keduanya merupakan checkpoint penuh, bukan adapter, dan keduanya memerlukan trust_remote_code karena kode pemodelan BailingMoeV3ForCausalLM yang kustom.

Ling-3.2-flash tidak memiliki repositori. Daftar terbaru organisasi inclusionAI memuat Ling-3.1-flash-1019, Ling-3.1-flash, sebuah checkpoint dasar, model visi ZwZ2, dan model audio Ming — tidak ada entri 3.2. Dalam pengumuman Ant, balasan yang paling banyak disukai adalah dari pengguna yang berharap model itu open source, dan Ant belum menjawab.

Jadi kedua model itu bertukar posisi tergantung pada apa yang Anda butuhkan. Jika Anda ingin menjalankan MoE 560B di perangkat keras Anda sendiri, mengevaluasinya secara offline, melakukan fine-tuning, atau sekadar tidak bergantung pada waktu aktif vendor, Ling-3.1-flash tersedia dengan ketentuan yang mengizinkan semua itu, sedangkan Ling-3.2-flash tidak. Jika Anda menginginkan model multimodal yang lebih baik dan tidak keberatan menyewanya, urutannya terbalik.

Skor independen, sebagaimana adanya

Artificial Analysis membangun ulang Intelligence Index-nya menjadi v5.0.1 pada akhir Oktober, dan pembangunan ulang itu membuat kedua model Ling berada dalam kondisi yang berbeda. Jika dibaca hari ini, halaman Ling 3.1 Flash tidak memuat angka Intelligence Index sama sekali — petaknya menampilkan N/A, bersama N/A untuk waktu per tugas indeks, biaya per tugas indeks, dan token keluaran. Halaman Ling 3.1 Flash 1019, sebaliknya, memuat skor aktif 30 pada v5.0.1, dengan biaya tertimbang $3.19 per tugas indeks dan 240M token keluaran yang dihasilkan.

Angka 30 itu tidak sebanding dengan angka Ling mana pun sebelum pembangunan ulang. Dengan rubrik sebelumnya, Ling-3.1-flash-1019 tercatat 44; rubrik v5 lebih ketat, membobot 60% dari komposit ke arah set privat dan held-out, dan menurunkan sebagian besar model. Pergeseran 44 ke 30 adalah penilaian ulang, bukan regresi.

Ling-3.2-flash sama sekali tidak memiliki halaman Artificial Analysis. Tidak ada angka pihak ketiga, tidak ada pengukuran kecepatan, tidak ada perkiraan biaya per tugas. Satu-satunya angka yang ada adalah tiga tolok ukur visual Ant.

Cara memutuskan

Aturan keputusan yang mengikuti dari semua hal di atas luar biasa bersih, karena kedua model itu sebenarnya bukan pengganti.

Tetap gunakan Ling-3.1-flash jika beban kerja Anda berupa teks dan lini masa Anda adalah produksi. Anda mendapatkan tarif diskon yang dipublikasikan, bobot MIT yang dapat Anda host sendiri, skor independen 30 pada rubrik saat ini untuk build 1019, dan rekomendasi Ant sendiri sebagai pengganti tiga model yang akan dipensiunkan. Tidak ada aspek Ling-3.2-flash yang meningkatkan hal-hal itu untuk pekerjaan teks, kecuali kemungkinan yang belum terukur.

Beralihlah ke Ling-3.2-flash jika pekerjaannya melibatkan gambar, video, dokumen dengan tata letak, 3D, atau tangkapan layar. Itu adalah kemampuan yang tidak dimiliki Ling-3.1-flash, dan itulah satu-satunya alasan untuk menerima harga yang belum dipublikasikan dan bobot tertutup. Jalankan evaluasi Anda selama periode gratis — integrasinya hanyalah perubahan string model pada SDK yang sudah Anda miliki — dan anggap apa pun yang Anda bangun di atasnya sebelum 19 November sebagai pilot, bukan komitmen.

Jalankan keduanya jika Anda memiliki lalu lintas campuran. Arahkan pekerjaan visual ke 3.2 dan pekerjaan teks ke 3.1, yang memang menjadi tujuan pemisahan dua model itu, dan perhatikan bahwa batas laju Ant bersifat global per akun, bukan per model — plafonnya tidak menjadi dua kali lipat hanya karena Anda memanggil dua model.

Di mana router cocok, dan di mana tidak

Bersikap tepat mengenai posisi kami sendiri, karena mudah untuk menyiratkan lebih: baik Ling-3.2-flash maupun Ling-3.1-flash tidak ada dalam katalog OrcaRouter. Kami membaca ulang daftar model langsung pada 6 November dan daftar itu mengembalikan 215 pengenal tanpa entri Ling, inclusionAI, Ring, atau ERNIE — satu-satunya kecocokan "ling" adalah model video Kling. Jadi tidak ada apa pun dalam perbandingan ini yang hanya berjarak satu panggilan hari ini.

Yang sebenarnya Anda dapatkan dari router di sini adalah jalur keluar, bukan jalur masuk. Batas laju Ant adalah dua kueri per detik per akun; pembatas global pada model unggulan 560B justru merupakan kondisi tepat ketika failover membuktikan manfaatnya, dan cara praktis menjalankan Ling-3.2-flash dalam loop agen adalah menempatkan penyedia kedua di belakangnya, bukan mengantre di balik 429. Di sisi kami, penyedia kedua itu adalah model dengan tarif yang dipublikasikan pada kunci yang sama: Qwen3.8-Flash dengan $0.15 per juta input dan $0.47 per juta output untuk pekerjaan visi, atau DeepSeek V4.1 Flash dengan $0.15 dan $0.60 serta GLM-5.3-Flash dengan $0.15 dan $0.50 untuk teks. Harga adalah daftar penyedia yang diteruskan tanpa markup, sehingga pemotongan harga vendor berlaku pada hari yang sama, bukan setelah siklus penetapan harga ulang. DSL perutean menggabungkan beberapa model menjadi satu panggilan, sehingga pemisahan di atas menjadi satu endpoint, bukan dua integrasi.

Apa yang bisa menyelesaikannya

Tiga publikasi akan mengubah ini dari keputusan berdasarkan penilaian menjadi perbandingan spesifikasi. Kartu tarif untuk Ling-3.2-flash, termasuk cara token gambar dan video dihitung. Repositori Ling-3.2-flash di bawah ketentuan MIT yang sama dengan pendahulunya, yang akan membuat keunggulan utama model lama hilang dalam semalam. Dan tabel tolok ukur hanya teks — satu rangkaian penalaran, satu rangkaian pengodean — yang akan memberi tahu kita apakah generasi 3.2 meningkatkan hal yang menjadi tujuan pembuatan 3.1, atau hanya menambahkan satu indra padanya.

Sampai saat itu, urutannya adalah: Ling-3.2-flash adalah model yang lebih baik, dan Ling-3.1-flash adalah pilihan yang lebih menjanjikan. Ant merilis keduanya dengan selisih lima minggu — Ling-3.1-flash pada 30 September 2026, Ling-3.2-flash pada 5 November — dan hanya satu dari kedua model itu yang sudah ada harganya.