Ling-3.2-flash：Ant Lingのネイティブマルチモーダル旗艦モデルは2週間周期で動く

Ling-3.2-flashに関する最も重大な事実は課金に関するもので、しかも期限がある。Ant Lingは2026年11月5日にこのモデルをAPIに投入し、最初の14日間は無料にした。その期間が終わると「元の価格」に戻る——ベンダーがまだ公表していない価格だ。つまり、以下のあらゆるアーキテクチャ上の主張には短い賞味期限があり、長く残る疑問が一つ付きまとう。15日目にはいくらかかるのか。Ling-3.2-flashは5600億パラメータのMixture-of-Expertsモデルで、トークンあたり250億パラメータが有効、100万トークンのコンテキストを持ち、そして——これが実際のニュースだが——画像・テキスト・動画のネイティブ入力に対応する。これにより、読むだけでなく見ることもできる初のLingフラッグシップとなる。前身のLing-3.1-flashはテキスト専用だった。以前のビジョンモデルであるLing-3.0-flash-VLは、124Bの別系統だった。Ling系譜の最上位とマルチモーダル機能が同じ重みに同居するのは初めてだ。

{{1}}Ant自身の変更履歴の項目{{/1}}（バージョン2.0.6、11月5日付）がリリース文書であり、それはわずか1文だ。同日夕方の{{2}}Xでの告知{{/2}}は、{{3}}3つのベンチマーク数値{{/3}}と5本のデモ動画を追加している。技術レポートもモデルカードも重みも価格表もない。これは、9月に{{4}}Ling-3.1-flash{{/4}}が得たものよりも薄い証跡であり、どの数値も確立したものとして扱う前に、はっきりそう言っておく価値がある。

実際に出荷されたもの、そしてAntが明かしていないこと

今日、文書化されていて確認可能なのは4点です。パラメータ数、アクティブ数、コンテキストウィンドウは、Antの開発者サイト上の2か所、Lingのモデル選択表と「Ling's Evolution」タイムラインに記載されています。後者は3.2シリーズを2026.11の下に分類しています。モダリティ対応はAPIリファレンスに記載されています。Ling-3.2-flashへのリクエストは「テキスト、画像、動画をネイティブに受け付ける」とされ、静止画にはimage_urlコンテンツブロック、動画にはvideo_urlブロックを使用します。エンドポイントの形式は、Antがすでにどこでも運用している2つ、OpenAI互換のchat/completionsとAnthropic互換のmessagesで、いずれもapi.ant-ling.com/v1にあります。

4つの点が文書化されていません。価格ページのどこにもLing-3.2-flashの100万トークンあたりの価格は公開されていません——表に載っているのはLing-3.1-flash、Ling-3.0-flash-VL、Ling-3.0-flash、およびMingの画像モデル2つで、Ling-3.2-flashは宣伝文の行にのみ登場します。オープンウェイトはありません。Hugging Face上のinclusionAI組織にはLing-3.1-flash、Ling-3.1-flash-1019、Ling-3.1-flashのベースチェックポイントがあり、3.2のリポジトリはありません。独立したベンチマークもありません。さらに、出力トークンの上限が明記されていません。これは長い成果物の生成を前面に押し出したモデルにとって、脚注ではなく実際の欠落です。

重みに関する疑問には、ソーシャル上で目に見える痕跡がある。Antの発表の下で読む価値がある唯一の返信は、事実上、オープンソースになるのかを尋ねているユーザーのものだ。Antはまだ答えていない。2026年の評判全体がMITライセンスの560Bチェックポイント——Ling-3.1-flash-1019は10月27日にMITライセンス下で573.8 GBとして出荷された——に依存しているラボにとって、旗艦モデルをクローズド化するのは形式上のことではなく、姿勢の変化である。

3つの数字と、それらがどれほどの価値を持つか

Antの発表では、Ling-3.2-flashを、3つの評価において最大推論エフォートで実行したOpus 5と比較している。3つともベンダー報告であり、3つともAnt自身のリリースパイプライン由来で、その外部で再現されたものはない。そのレッテルを明確に付した上で：

• OmniDocBench1.5 — Ling-3.2-flash の 92.21 に対し、Opus 5（max）は 90.56。文書理解ベンチマークで、1.65 ポイントの差。

• ZEROBench(Sub) — 39.52に対して43.71。これは3Dシーンベンチマークにおいて3つの中で最も大きい相対差で、約10.6%です。

• Vision2Web — 85.86 対 80.20。視覚からWeb実装への評価であり、Antが併せて公開したフロントエンドデモに最も直接対応するものです。

このセットを注意深く読むと、「Opus 5を上回る」よりも狭いことを言っている。第一に、3つのベンチマークはすべて視覚系だ。Antは、25Bアクティブパラメータのネイティブマルチモーダルモデルがフロンティアのクローズドモデルを上回る可能性がある3つの評価を選び、テキストのみの比較は1つも公開していない——推論スイートも、コーディングスイートも、エージェント型ターミナルタスクもない。第二に、3つのうち2つ（ZEROBenchとVision2Web）は、幅広い第三者が参加する標準的なリーダーボード指標ではない。読者が他のモデルと照らして容易に妥当性を確認することはできない。第三に、「Opus 5 (max)」は特定の競合モデルの特定の構成であり、発表にはどちらの側についてもハーネス、プロンプトセット、試行回数が示されていない。

だからといって、その数字が間違っているわけではない。それは数字を、ベンダーが自ら選んだタスクセットについてのベンダーの主張にするだけであり、ローンチとしては普通のことだが、それを事実として繰り返すのは異常なことだ。正直な要約はこうだ。AntはLing-3.2-flashを、文書、3D、視覚からコードへのタスクにおいて利用可能な中国製モデルの中で最強だと信じており、その信念を裏付ける証拠だけを正確に公表し、それを検証する証拠は一切公表していない。

マルチモーダリティが効果を発揮するはずの場面

Antは4つの能力領域を挙げており、それらは通常のローンチリストよりも具体的だ。1つ目は複雑な視覚理解——数式や図を含む文書であり、キャプション生成ではない。2つ目は「マルチモーダル長期間Agent」で、Antの枠組みでは、多数のツール呼び出しにわたって視覚コンテキストを維持するモデルを意味する。3つ目は3D理解とインタラクション、4つ目は医療マルチモーダル作業だ。

興味深いのはデモの部分です。デモは想定される利用の形を示しているからです。1つでは、Ling-3.2-flashが共有コンテキスト上で専門エージェントを連携させ、第2四半期の財務データを分析レポート、6枚の取締役会向けスライド資料、ハイライト動画に変換し、その後フィードバックに基づいて3つすべてを修正します。別のデモでは、UI操作とパラメータ変更を通じてBlenderを操作し、設計図を3Dウェブモデルに変換します。3つ目では、マテリアル球のヘッドレスレンダーを読み取り、ラフネス、ノーマルマップ、バンプのディテールを比較して自身のスクリプトを改善します。これは視覚的フィードバックループであり、AntがLing-3.0-flash-VLに組み込んだ「観察し、行動し、検証し、修正する」という同じパターンです。4つ目では、数式を含む研究PDFを読み、アルゴリズムをコードで実装します。5つ目では、食事の写真を、分量推定と栄養合計付きの週間フードジャーナルに変換します。

その5つのうち2つは、マーケティングではなく製品上の主張として真剣に受け止める価値がある。レンダリング検査ループと図面から3Dへの変換はどちらも、モデルが自身の出力を見て進路を変えることを必要とする。これこそが、ネイティブなマルチモーダル学習と、テキストモデルに視覚エンコーダーを後付けすることとを分ける唯一の能力だ。それがAntの主張する品質で機能するかどうかは、まさに独立したテストがまだ何も確立できていない点である。

アクセスの話こそが、実際に効いてくる部分だ

Ling-3.2-flash には現在、3 つのアクセス方法があります。Ling Studio のチャット製品、OpenAI 互換のチャットエンドポイント、Anthropic 互換のメッセージエンドポイントです。thinking オブジェクトは 3.0、3.1、3.2 シリーズ全体でサポートされ、既定では enabled、レイテンシに敏感な作業では disabled を利用できると文書化されています。既存の SDK はベース URL の変更で動作します。

さらに、Antが自社のレート制限ページで文書化している運用上の現実がある。世界全体で毎秒2クエリ、それを超えると429が返り、同期呼び出しには90秒のタイムアウトが設定され、ストリーミングが推奨されている。チャット製品ならそれで問題ない。しかし、このモデルが明確に想定している長期的なエージェントワークロード——多段階ループ、ツールチェーン、1タスクあたり何十回もモデルを呼び出すエージェント——にとって、2 QPSは厳しい上限であり、どのベンチマーク数値よりもアーキテクチャを大きく規定するだろう。Ling-3.2-flashをエージェントの基幹として動かす予定がある人は、料金ページより先にそのページを読むべきだ。

当社側の正直な立場としては、Ling-3.2-flash は本日時点で OrcaRouter のカタログにありません。11月6日にライブのモデル一覧を読み直したところ、返ってきた識別子は215件で、Ling、inclusionAI、Ring、ERNIE は一つも含まれていませんでした — 「ling」に一致するのは Kling の動画モデルだけです。したがって、ここにあるものはどれも1回の呼び出しですぐ使えるわけではありません。もし2週間の無料期間を当てにしていたなら、すぐに呼び出せるのは、実際に予算を立てられる公開価格のあるモデルです：Qwen3.8-Flash は入力100万トークンあたり $0.15、出力100万トークンあたり $0.47、GLM-5.3-Flash は $0.15 と $0.50、DeepSeek V4.1 Flash は $0.15 と $0.60 です。これらはプロバイダーの定価をゼロマークアップでそのまま適用したもので、そのためベンダーが料金を引き下げると、再価格設定のサイクルを待たずに当日中に当社側へ反映されます。

15日目はどんな様子か

Antの料金ページには、プロモーション期間終了後は元の価格に戻ると書かれており、「アカウント残高に注意してください」と促しています。560Bのフラッグシップモデルに関する価格開示は、これがすべてです。同じページの隣接項目と比較すると、Ling-3.1-flashは入力100万トークンあたり¥2.00、出力100万トークンあたり¥6.00で掲載され、75%割引で¥0.50と¥1.50になります。Ling-3.0-flash-VLは¥0.50と¥1.50で、72%割引で¥0.14と¥0.42です。Ling-3.2-flashがテキスト専用の兄弟モデルに近い水準になるとすれば、定価で入力100万トークンあたり約$0.30、出力100万トークンあたり約$0.90（割引前）になります。ただしそれは隣接する行からの推測であり、公表された料金ではありません。さらに、マルチモーダルモデルには画像トークンと動画トークンがあり、その価格についてAntはまったく説明していません。

つまり、読者の判断はタイムラインによって明確に分かれる。今週、文書中心または視覚中心の評価を実行する予定があるなら、Ling-3.2-flash は無料で、机上では有能であり、base-URL を変更するセットアップコストを払う価値がある。来四半期の本番基盤を選ぶのであれば、公開価格も独立したスコアも重みもなく、毎秒2リクエストの上限があり、フォールバック経路もないモデルを選ぶことになる——そして責任ある行動は、コストがかからない今のうちに評価を実行し、価格表と最初の第三者スコアが出るまでアーキテクチャの決定を延期することだ。

注目すべきはリーダーボードではない。Antが無料期間の終了前に料金表とモデルカードを公開するかどうか、そしてinclusionAIが3.1のリポジトリを手に入れたのと同じように3.2のリポジトリを手に入れるかどうかだ。3週間前に574 GBのMITライセンスの重みを公開し、今はクローズドなフラッグシップモデルを公開しているラボは、利益がどこにあるかについて何かを語っている。2週間という期限は、それを信じるかどうかを決めるための締め切りだ。