Ling 3.2 Flash: Flagship Multimodal 560B yang Menonton 30 Detik Sekaligus

Ling 3.2 Flash adalah model mixture-of-experts 560 miliar parameter dari Ant Ling dengan 25 miliar parameter aktif per token, jendela konteks 1 juta token, dan — alasan model ini ada sama sekali — input gambar dan video native, bukan vision encoder yang dipasang pada model teks. Model ini masuk ke API Ant pada 5 November 2026. Sembilan hari kemudian, pertanyaan yang menarik bukan lagi apa itu, karena lembar spesifikasinya sudah publik dan singkat. Pertanyaannya adalah apa yang dihilangkan lembar spesifikasi itu, dan hal pertama yang dihilangkannya adalah bahwa pemahaman video yang membuat semua orang bersemangat berhenti di tiga puluh detik, satu klip per permintaan, tiga puluh dua frame yang disampel.

Itu bukan catatan kaki. Panduan multimodal Ant Ling sendiri — halaman yang mendokumentasikan cara memanggil Ling 3.2 Flash — menetapkan batas atas video pada durasi tiga puluh detik atau kurang, satu video per permintaan, laju sampling tetap 2fps dengan batas 32 frame, dan batas 32 MiB pada string base64. Blok batas yang sama juga berlaku untuk Ling-3.0-flash-VL, jadi sebagian darinya merupakan infrastruktur warisan, bukan keputusan yang dibuat untuk model ini, tetapi itulah yang didapatkan pemanggil. Jika pitch Anda untuk model multimodal native adalah "agen berhorizon panjang yang menjaga konteks visual tetap hidup di banyak panggilan alat," klip tiga puluh detik dan satu video per permintaan adalah angka yang membatasi arsitektur, bukan tabel benchmark.

Apa model itu, dalam angka yang bisa Anda periksa

Parameter dan jendela tersebut muncul di dua tempat di situs pengembang Ant: tabel pemilihan model Ling, tempat Ling 3.2 Flash berada di atas Ling-3.1-flash dengan baris 560B / 25B / 1M yang identik dan baris positioning yang berbeda, serta linimasa "Ling's Evolution", yang mengelompokkan seri 3.2 di bawah 2026.11. Baris positioning itulah selisih sebenarnya: 3.1 dijelaskan sebagai model penalaran hibrida untuk pekerjaan kantor, pengembangan perangkat lunak dan tugas agen berhorizon panjang; 3.2 dijelaskan sebagai model multimodal native yang berfokus pada pemahaman visual kompleks, agen multimodal berhorizon panjang, pemahaman dan interaksi 3D, serta pekerjaan multimodal medis. Kerangka sama, satu pengertian baru.

• Total parameter — 560B untuk Ling 3.2 Flash, hanya ditandingi oleh saudara kandungnya yang khusus teks, Ling-3.1-flash, pada 560B; pendahulu visinya, Ling-3.0-flash-VL, adalah 124B.

Parameter aktif per token — 25B, dibandingkan dengan 5,5B untuk Ling-3.0-flash-VL dan 25B untuk Ling-3.1-flash.

• Jendela konteks — 1M token, empat kali lipat dari 256K yang ditawarkan Ling-3.0-flash-VL dan Ling-3.0-flash.

• Modalitas — input teks, gambar, dan video, output teks, dengan visi dan bahasa digabungkan dalam arsitektur itu sendiri alih-alih dialihkan melalui modul eksternal.

• Bentuk endpoint — chat/completions yang kompatibel dengan OpenAI dan messages yang kompatibel dengan Anthropic, keduanya di api.ant-ling.com.

Konsekuensi praktis dari bentuk endpoint adalah bahwa integrasi yang sudah ada cukup berpindah dengan perubahan base-URL dan string model. Ant menyediakan dua format yang sama untuk setiap model Ling, dan panduan multimodal menunjukkan blok konten image_url untuk gambar diam serta blok video_url untuk video, keduanya hanya base64 — tidak ada jalur pengambilan URL yang didokumentasikan untuk keduanya, yang merupakan batasan kedua yang dihadapi integrasi produksi sebelum menghadapi benchmark.

Harganya masih belum dicantumkan, dan meterannya tinggal lima hari.

Ini bagian yang layak diperiksa sebelum Anda membangun apa pun. Halaman harga Ant — terakhir diperbarui 5 November 2026, pada hari peluncuran — memuat baris untuk Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash, dan dua model gambar Ming. Halaman itu tidak memuat baris untuk Ling 3.2 Flash. Model tersebut muncul di halaman itu tepat satu kali, dalam baris promosi: gratis selama dua minggu pertama setelah peluncuran.

Dihitung dari 5 November, jendela itu ditutup sekitar 19 November. Hari ini tersisa sekitar lima hari lagi. Saat ditutup, halaman tersebut menyebutkan harga asli berlaku kembali dan meminta Anda memantau saldo Anda, yang merupakan seluruh pengungkapan harga untuk flagship 560B.

Yang bisa Anda lakukan adalah membatasi angka tersebut dari baris di atasnya. Ling-3.1-flash mencantumkan harga ¥2,00 per juta token input dan ¥6,00 per juta output, didiskon 75% menjadi ¥0,50 dan ¥1,50, dengan pembacaan cache seharga ¥0,40 turun menjadi ¥0,10. Mengonversi angka daftar tersebut menempatkan model andalan Ling khusus teks pada sekitar $0,28 input dan $0,85 output per juta; tarif diskonnya berada di kisaran $0,07 dan $0,21. Jika Ling 3.2 Flash diberi harga seperti saudaranya, kisarannya sekitar itu. Ini adalah inferensi dari baris yang berdekatan, bukan tarif yang diterbitkan, dan model multimodal membawa token gambar dan video yang penetapan harganya sama sekali belum dijelaskan oleh Ant — klip tiga puluh detik pada 2fps adalah 32 frame, dan tidak ada halaman yang memberi tahu Anda berapa biaya 32 frame tersebut.

Kesenjangan itu memiliki konsekuensi spesifik bagi siapa pun yang menyusun anggaran: Anda tidak dapat menjawab "berapa biaya tugas ini" untuk Ling 3.2 Flash seperti Anda dapat menjawabnya untuk model dengan daftar tarif. Anda dapat menjawabnya setelah 19 November, atau Anda dapat menjawabnya sekarang dengan menjalankan evaluasi selagi meteran mati — yang merupakan tafsiran masuk akal dari jendela gratis empat belas hari pada model tanpa harga terbit.

Tiga angka benchmark, semuanya milik Ant

Pengumuman Ant membandingkan Ling 3.2 Flash dengan Opus 5 yang dijalankan pada upaya penalaran maksimum dalam tiga evaluasi. Ketiganya dilaporkan oleh vendor, dihasilkan oleh pipeline rilis Ant sendiri, dan tidak ada satu pun yang direproduksi di luarnya. Dengan label itu melekat:

• OmniDocBench1.5 — 92,21 untuk Ling 3.2 Flash dibandingkan 90,56 untuk Opus 5 (maks), selisih 1,65 poin pada pemahaman dokumen.

• ZEROBench(Sub) — 43,71 berbanding 39,52, jurang relatif paling lebar pada sekitar 10,6%, pada penanda aras babak 3D.

• Vision2Web — 85,86 dibandingkan 80,20, sebuah evaluasi implementasi visi-ke-web.

Baca set itu dan isinya mengatakan sesuatu yang lebih sempit daripada "mengalahkan Opus 5." Ketiga benchmark itu semuanya visual. Ant memilih tiga evaluasi yang memungkinkan model multimodal native dengan 25B parameter aktif secara masuk akal mengalahkan model tertutup frontier, dan tidak menerbitkan perbandingan hanya-teks — tidak ada rangkaian penalaran, tidak ada rangkaian coding, tidak ada tugas terminal agentic, yang justru menjadi tempat positioning Ling-3.1-flash dari lab yang sama berada. Dua dari tiga, ZEROBench dan Vision2Web, bukan instrumen dengan partisipasi pihak ketiga yang luas, sehingga pembaca tidak dapat memeriksa kewajarannya terhadap model lain. Dan "Opus 5 (max)" adalah satu konfigurasi dari satu pesaing, tanpa harness, set prompt, atau jumlah percobaan yang dinyatakan untuk kedua pihak.

Juga tidak ada skor independen untuk model ini yang dapat diletakkan di sampingnya. Artificial Analysis, wasit netral yang biasa, tidak memiliki halaman untuk Ling 3.2 Flash per 14 November — URL-nya mengembalikan 404 — dan yang paling mendekati yang dimiliki keluarga ini adalah saudaranya yang hanya menangani teks. Ling 3.1 Flash 1019 mencetak 29.6 pada Intelligence Index v5.0.1 saat ini dengan harga $0.30 untuk input dan $0.90 untuk output per juta. Itu adalah angka independen yang nyata, dan angka itu milik model sebelumnya, bukan model ini.

Batas input adalah spesifikasi produk yang sebenarnya.

Ant mendokumentasikan empat area kemampuan untuk Ling 3.2 Flash, dan cakupannya lebih sempit daripada daftar peluncuran biasanya: pemahaman visual kompleks (dokumen dengan persamaan dan diagram, bukan pembuatan keterangan gambar), agen multimodal berhorizon panjang yang menjaga konteks visual tetap aktif di sepanjang pemanggilan alat, pemahaman dan interaksi 3D, serta pekerjaan multimodal medis. Demo-demonya selaras dengan itu — membaca render headless dari bola material dan membandingkan kekasaran untuk menyempurnakan skripnya sendiri, mengonversi gambar teknik menjadi model web 3D, mengoordinasikan agen spesialis melalui konteks visual bersama untuk menghasilkan laporan, dek, dan video sorotan dari data Q2 yang sama.

Lalu Anda membaca batasannya, dan demo-demo itu mulai tampak seolah dibangun di dalam batasan tersebut, bukan di sekitarnya. Lingkaran umpan balik visual yang memeriksa hasil rendernya sendiri murah dalam hal frame: satu gambar per giliran, hingga empat puluh gambar per permintaan, masing-masing di bawah 16384 kali 784 piksel. Agen cakrawala panjang yang menyimpan rekaman rapat dalam konteks tidak demikian, karena rekaman dibatasi hingga tiga puluh detik dan tiga puluh dua frame. Kedua batasan itu bersama-sama menggambarkan model yang dibangun untuk banyak pandangan singkat terhadap dunia, bukan satu pandangan panjang.

Batas laju memperparahnya. Halaman batas laju Ant sendiri menetapkan plafon global dua permintaan per detik, dengan 429 di atasnya, dan batas waktu 90 detik pada panggilan sinkron dengan streaming yang direkomendasikan. Untuk produk chat, itu tidak masalah. Untuk loop agen multi-langkah yang secara eksplisit menjadi posisi model ini — puluhan panggilan per tugas, masing-masing membawa frame — dua QPS adalah angka perencanaan, dan itu akan membentuk arsitektur lebih daripada celah benchmark mana pun.

Di mana cocoknya, dan berapa biaya untuk mencobanya

Posisi jujur soal ketersediaan: Ling 3.2 Flash tidak ada di katalog OrcaRouter saat ini. Daftar model live mengembalikan 215 pengenal dan tidak satu pun merupakan model Ling — kecocokan "ling" adalah model video Kling, yang merupakan lab Tiongkok yang sama sekali berbeda. Jadi tidak ada yang bisa diakses dengan satu panggilan di sini, dan tidak ada jalur failover yang tersedia di sisi kami untuknya. Yang kami rutekan adalah kelas pembanding yang akan menjadi tolok ukurnya: MiniMax M3.1 Flash, MoE multimodal native 428B/23B dengan jendela 1M yang sama, input video, dan bobot terbuka, dengan $0.15 per juta token input dan $0.60 per juta token output dengan diskon cache 90% — harga daftar penyedia diteruskan tanpa markup, dengan failover otomatis antarpenyedia di balik satu kunci.

Itulah bentuk keputusan yang berguna selama Ling 3.2 Flash belum memiliki rate card. Jalankan evaluasi gratis pada API milik Ant sendiri, karena lima hari inferensi gratis pada model multimodal 560B sepadan dengan biaya penyiapan perubahan base-URL. Jangan menempatkannya di jalur produksi yang tidak dapat Anda tetapkan harganya, tidak dapat Anda alihkan saat gagal, dan tidak dapat Anda batasi maksimal dua permintaan per detik. Jika beban kerjanya adalah pemahaman dokumen atau frame dan Anda membutuhkan angka hari ini, model yang benar-benar dapat Anda anggarkan adalah model yang ada di rate card — dan ada 200+ model tersebut pada satu kunci, yang setidaknya membuat perbandingan menjadi satu integrasi alih-alih satu per vendor.

Apa yang perlu ditonton sebelum jendela ditutup

Tiga hal menentukan apakah Ling 3.2 Flash menjadi model yang Anda gunakan atau model yang Anda evaluasi. Yang pertama adalah daftar tarif: apakah Ant menerbitkan harga per juta — termasuk cara menagih token gambar dan video — sebelum 19 November, atau apakah masa gratis itu sekadar berakhir menjadi tarif yang tidak dicantumkan. Yang kedua adalah bobot. Ant adalah laboratorium yang reputasi 2026-nya bertumpu pada checkpoint 560B berlisensi MIT; Ling-3.1-flash-1019 dirilis pada 573.8 GB dengan lisensi MIT pada 27 Oktober, dan tidak ada repositori 3.2 di organisasi inclusionAI Hugging Face per minggu ini. Model unggulan tertutup dari laboratorium itu adalah perubahan sikap, bukan formalitas. Yang ketiga adalah tolok ukur independen pertama, karena sampai ada, setiap klaim multimodal dalam artikel ini hanyalah kata-kata Ant versus pemilihan tugas oleh Ant sendiri.

Tak satu pun dari itu membuat model ini tidak menarik. MoE multimodal native 560B dengan 25B aktif, dengan jendela 1M dan kedua dialek API, adalah karya rekayasa yang serius, dan tiga selisih benchmark dibanding Opus 5 — dilaporkan vendor, harness tidak dipublikasikan — cukup besar untuk layak Anda uji sendiri daripada diabaikan. Sikap yang tepat pada hari kesembilan adalah sikap yang menjadi tujuan jendela gratis ini dibuat: ukur sekarang, tentukan harganya saat daftar tarif muncul, dan jangan salah mengira dua minggu promosi sebagai komitmen produk.