Ling-3.2-flash: Ant Ling's native multimodale vlaggenschip werkt volgens een tweewekelijkse cyclus

Het meest verstrekkende feit over Ling-3.2-flash is een factureringskwestie, en die verloopt. Ant Ling zette het model op 5 november 2026 in zijn API en maakte het de eerste veertien dagen gratis; wanneer dat venster sluit, hervatten de "oorspronkelijke prijzen" — prijzen die de leverancier nog niet heeft gepubliceerd. Dus elke architectuurclaim hieronder heeft een korte houdbaarheid en één lang blijvende vraag eraan vast: wat kost dit op dag vijftien? Ling-3.2-flash is een mixture-of-expertsmodel met 560 miljard parameters, waarvan 25 miljard parameters actief zijn per token, een context van 1M tokens, en — het echte nieuws — native invoer van afbeeldingen, tekst en video, waardoor het de eerste Ling-flagship is die ziet in plaats van alleen leest. Zijn voorganger Ling-3.1-flash was alleen tekst. Ling-3.0-flash-VL, het eerdere visionmodel, was een zijtak van 124B. Dit is de eerste keer dat de top van de Ling-lijn en de multimodale capaciteit in dezelfde gewichten zitten.

De changelog-entry van Ant zelf (versie 2.0.6, gedateerd 5 november) is het releasedocument, en het bestaat uit één zin. De X-aankondiging diezelfde avond voegt drie benchmarkcijfers en vijf demovideo's toe. Er is geen technisch rapport, geen modelkaart, geen gewichten en geen prijslijst. Dat is een dunner spoor dan Ling-3.1-flash in september kreeg, en dat is het waard om ronduit te zeggen voordat we welk cijfer dan ook als vaststaand beschouwen.

Wat er daadwerkelijk is uitgebracht, en wat Ant niet heeft gezegd

Vier dingen zijn vandaag gedocumenteerd en controleerbaar. Het aantal parameters, het aantal actieve parameters en het contextvenster staan op twee plaatsen op de ontwikkelaarssite van Ant — de Ling-tabel voor modelselectie en de tijdlijn "Ling's Evolution", die de 3.2-serie onder 2026.11 plaatst. De ondersteuning voor modaliteiten staat in de API-referentie: een verzoek aan Ling-3.2-flash "accepteert native tekst, afbeeldingen en video's", met image_url-contentblokken voor stilstaande beelden en video_url-blokken voor video. De endpointvormen zijn de twee die Ant al overal draait — OpenAI-compatibele chat/completions en Anthropic-compatibele messages, beide op api.ant-ling.com/v1.

Vier dingen zijn niet gedocumenteerd. Er staat nergens op de prijspagina een gepubliceerde prijs per miljoen tokens voor Ling-3.2-flash — de tabel vermeldt Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash en twee Ming-afbeeldingsmodellen, en Ling-3.2-flash komt alleen in de promotieregel voor. Er zijn geen open gewichten: de inclusionAI-organisatie op Hugging Face bevat Ling-3.1-flash, Ling-3.1-flash-1019 en een Ling-3.1-flash-basischeckpoint, en geen 3.2-repository. Er is geen onafhankelijke benchmark. En er is geen vermelde limiet voor outputtokens, wat voor een model dat wordt gepositioneerd voor het genereren van lange deliverables een echte omissie is en niet slechts een voetnoot.

De vraag naar de gewichten heeft een zichtbaar spoor op sociale media. De enige reactie onder de aankondiging van Ant die het lezen waard is, is een gebruiker die in feite vraagt of het open source zal zijn. Ant heeft niet geantwoord. Voor een lab waarvan de hele reputatie in 2026 rust op MIT-gelicentieerde 560B-checkpoints — Ling-3.1-flash-1019 werd op 27 oktober onder MIT geleverd op 573,8 GB — is het sluiten van het vlaggenschip een houdingsverandering, geen formaliteit.

De drie getallen, en hoeveel ze waard zijn

De aankondiging van Ant vergelijkt Ling-3.2-flash met Opus 5 dat op maximale redeneerinspanning draait op drie evaluaties. Alle drie zijn door de leverancier gerapporteerd, alle drie komen uit Ants eigen releasepipeline, en geen ervan is daarbuiten gereproduceerd. Met dat label stevig eraan vast:

• OmniDocBench1.5 — 92,21 voor Ling-3.2-flash tegenover 90,56 voor Opus 5 (max.). Een benchmark voor documentbegrip; een verschil van 1,65 punt.

• ZEROBench(Sub) — 43,71 tegen 39,52. Dit is de grootste relatieve kloof van de drie, ongeveer 10,6%, op een 3D-scènebenchmark.

• Vision2Web — 85,86 tegenover 80,20. Een evaluatie van visie-naar-webimplementatie, en degene die het meest direct aansluit bij de frontenddemo's die Ant daarbij publiceerde.

Lees de set zorgvuldig: die zegt iets beperkters dan "verslaat Opus 5". Ten eerste zijn alle drie de benchmarks visueel. Ant koos de drie evaluaties waarin een native multimodaal model met 25B actieve parameters aannemelijk een gesloten frontier-model zou kunnen verslaan, en publiceerde geen enkele vergelijking op basis van alleen tekst — geen redeneersuite, geen coderingssuite, geen agentische terminaltaak. Ten tweede zijn twee van de drie (ZEROBench en Vision2Web) geen standaardinstrumenten voor ranglijsten met brede deelname van derden; een lezer kan niet gemakkelijk een sanitycheck tegen andere modellen uitvoeren. Ten derde is "Opus 5 (max)" een specifieke configuratie van een specifieke concurrent, en de aankondiging vermeldt niet de harness, de promptset of het aantal pogingen aan beide zijden.

Dat maakt de cijfers niet onjuist. Het maakt ze tot een bewering van een leverancier over een door die leverancier gekozen set taken, wat normaal is voor een lancering, maar abnormaal om als feit te herhalen. De eerlijke samenvatting is dat Ant gelooft dat Ling-3.2-flash het sterkste Chinese model is dat beschikbaar is voor document-, 3D- en vision-to-code-taken, en precies het bewijs heeft gepubliceerd dat die overtuiging ondersteunt, en geen enkel bewijs dat haar zou toetsen.

Waar de multimodaliteit zijn vruchten zou moeten afwerpen

Ant noemt vier capaciteitsgebieden, en ze zijn specifieker dan de gebruikelijke lijst bij een lancering. Het eerste is complex visueel begrip — documenten met vergelijkingen en diagrammen, niet het genereren van bijschriften. Het tweede is "multimodale langehorizonagent", wat in Ants formulering een model betekent dat een visuele context levend houdt bij vele tool-aanroepen. Het derde is 3D-begrip en -interactie, en het vierde is medisch multimodaal werk.

De demo's zijn het interessante deel, omdat ze de beoogde vorm van gebruik laten zien. In één demo coördineert Ling-3.2-flash gespecialiseerde agents via een gedeelde context om financiële Q2-data om te zetten in een analyserapport, een boarddeck van zes slides en een highlightvideo, en herziet vervolgens alle drie op basis van feedback. In een andere bestuurt het Blender via UI-acties en parameterwijzigingen en zet het technische tekeningen om in 3D-webmodellen. Een derde laat zien hoe het headless renders van materiaalbolletjes leest en ruwheid, normal maps en bump-detail vergelijkt om zijn eigen scripts te verfijnen — een visuele feedbackloop, hetzelfde patroon "observe, act, verify, correct" dat Ant in Ling-3.0-flash-VL heeft ingebouwd. Een vierde leest onderzoeks-PDF's met vergelijkingen en implementeert de algoritmes in code. Een vijfde zet foto's van maaltijden om in een wekelijks voedingsdagboek met portieschattingen en nutriëntentotalen.

Twee van die vijf zijn het waard om serieus te nemen als productclaims in plaats van als marketing: de render-inspectielus en de conversie van tekening naar 3D vereisen beide dat het model naar zijn eigen output kijkt en van koers verandert, en dat is nu precies het ene vermogen dat native multimodale training onderscheidt van het vastschroeven van een vision-encoder op een tekstmodel. Of het werkt op de kwaliteit die Ant claimt, is precies wat geen enkele onafhankelijke test tot nu toe heeft vastgesteld.

Het toegangsverhaal is het deel met tanden.

Ling-3.2-flash is vandaag op drie manieren bereikbaar: het Ling Studio-chatproduct, het OpenAI-compatibele chat-eindpunt en het Anthropic-compatibele messages-eindpunt. Het thinking-object is gedocumenteerd als ondersteund in de 3.0-, 3.1- en 3.2-serie, met enabled als standaard en disabled beschikbaar voor latentiegevoelig werk. Bestaande SDK's werken met een wijziging van de base-URL.

Dan is er de operationele realiteit die Ant op zijn eigen rate-limitpagina documenteert: twee queries per seconde, wereldwijd, met 429s daarboven, en een time-out van 90 seconden bij synchrone calls, waarbij streaming wordt aanbevolen. Voor een chatproduct is dat prima. Voor de agentworkloads met een lange horizon waarop het model expliciet is gepositioneerd — meerstapslussen, tool chains, agents die het model per taak tientallen keren aanroepen — is twee QPS een hard plafond dat de architectuur sterker zal vormgeven dan welk benchmarkcijfer dan ook. Iedereen die Ling-3.2-flash als agent-backbone wil inzetten, zou die pagina moeten lezen vóór de prijzenpagina.

Wat ons betreft, de eerlijke stand van zaken: Ling-3.2-flash staat vandaag niet in de catalogus van OrcaRouter. We hebben op 6 november de live modellenlijst opnieuw gelezen en die geeft 215 identifiers terug, waarvan er geen enkele Ling, inclusionAI, Ring of ERNIE is — de enige "ling"-overeenkomsten zijn Kling-videomodellen. Er is hier dus niets met één aanroep beschikbaar. Wat wel met één aanroep beschikbaar is, als je op het gratis venster van twee weken rekende, zijn modellen met gepubliceerde prijzen waarop je daadwerkelijk een begroting kunt baseren: Qwen3.8-Flash tegen $0,15 per miljoen input en $0,47 per miljoen output, GLM-5.3-Flash tegen $0,15 en $0,50, en DeepSeek V4.1 Flash tegen $0,15 en $0,60. Dat zijn de lijstprijzen van de provider, doorgegeven tegen nul opslag, dus wanneer een leverancier een tarief verlaagt, geldt dat dezelfde dag aan onze kant in plaats van pas na een prijsherzieningscyclus.

Hoe dag vijftien eruitziet

Op de prijzenpagina van Ant staat dat de oorspronkelijke prijzen na de actieperiode weer gelden, en je wordt gevraagd om "je saldo in de gaten te houden." Dat is de volledige prijsinformatie voor een 560B-flagship. Vergelijk de buren op dezelfde pagina: Ling-3.1-flash staat vermeld tegen ¥2,00 input en ¥6,00 output per miljoen tokens, met 75% korting tot ¥0,50 en ¥1,50; Ling-3.0-flash-VL tegen ¥0,50 en ¥1,50, met 72% korting tot ¥0,14 en ¥0,42. Als Ling-3.2-flash ergens in de buurt komt van zijn tekst-only tegenhanger, is dat ruwweg $0,30 per miljoen input en $0,90 per miljoen output tegen listprijs, vóór kortingen — maar dat is een gevolgtrekking op basis van een naburige rij, geen gepubliceerd tarief, en een multimodaal model bevat beeld- en videotokens waarvan Ant de prijs helemaal niet heeft beschreven.

De beslissing van de lezer valt duidelijk uiteen langs de tijdlijn. Als je deze week een evaluatie moet uitvoeren die veel documenten of veel beeld bevat, is Ling-3.2-flash gratis, op papier capabel en de inspanning van een wijziging van de base-URL waard. Als je een productiebackbone voor het volgende kwartaal kiest, kies je een model zonder gepubliceerde prijs, zonder onafhankelijke score, zonder gewichten, met een limiet van twee verzoeken per seconde en zonder fallbackpad — en de verantwoorde stap is om de evaluatie nu uit te voeren, nu het niets kost, en de architectuurkeuze uit te stellen tot de prijslijst en de eerste scores van derden beschikbaar komen.

Waar je naar moet kijken, is niet de ranglijst. Het is of Ant een tariefkaart en een modelkaart publiceert voordat het gratis venster sluit, en of inclusionAI een 3.2-repository krijgt zoals het er een 3.1 kreeg. Een lab dat drie weken geleden 574 GB aan MIT-gewichten uitbracht en nu een gesloten flagship uitbrengt, vertelt je iets over waar de marge zit. De tweewekentermijn is de deadline om te beslissen of je het gelooft.