Ling-3.2-flash kontra Ling-3.1-flash: ten sam szkielet 560B, jeden nowy zmysł, żadnych nowych wag

Własna strona wycofywania Ant Ling utrudnia decyzję dotyczącą Ling-3.2-flash bardziej niż wpis o premierze. Trzy starsze modele — Ling-2.6-1T, Ring-2.6-1T i Ling-2.6-flash — zostaną wycofane 15 listopada 2026 r., a zalecanym zamiennikiem dla wszystkich trzech jest Ling-3.1-flash. Tak więc w dniu, w którym pojawił się Ling-3.2-flash, jego poprzednik został właśnie wyznaczony jako oficjalne miejsce docelowe dla każdego zespołu migrującego z generacji 2.6. Te zespoły muszą teraz wybierać między modelem, do którego przejścia nakłonił je Ant, a modelem, który Ant ogłosił w tym samym tygodniu. Oba mają tę samą liczbę parametrów, to samo okno kontekstu, ten sam interfejs API — i różnią się dokładnie w jednym wymiarze, który ma znaczenie, oraz w jednym, który ma większe znaczenie: Ling-3.2-flash widzi, Ling-3.1-flash czyta, a Ling-3.1-flash to ten, który można pobrać.

To jest porównanie warte przeprowadzenia i nie jest to porównanie, które zaprezentowały materiały z premiery. Ling-3.2-flash wygrywa pod względem możliwości. Ling-3.1-flash wygrywa we wszystkim, czego zespół produkcyjny potrzebuje, aby podjąć decyzję: opublikowana cena, wagi na licencji MIT i niezależny wynik, który można sprawdzić — nawet jeśli ten wynik został od tego czasu usunięty z tabeli rankingowej, na której się znajdował.

Co jest naprawdę identyczne

Zacznij od tych części, których Ant nie zmienił, ponieważ to one określają, ile pracy naprawdę wymaga migracja.

• Rozmiar — oba mają łącznie 560B parametrów, z 25B aktywnymi na token. Tabela wyboru modeli Ant podaje te same dwie wartości w obu wierszach.

• Kontekst — oba mają okno 1M tokenów. Ling-3.0-flash, o jeden poziom niżej, ma limit 256K, więc 1M jest teraz flagowym standardem bazowym, a nie nagłówkiem.

• Interfejs żądań — oba są udostępniane pod adresem api.ant-ling.com/v1 poprzez kompatybilny z OpenAI punkt końcowy chat/completions oraz kompatybilny z Anthropic punkt końcowy messages. Oba akceptują obiekt thinking z wartościami enabled lub disabled; dokumentacja Ant wymienia serie 3.0, 3.1 i 3.2 w ten sam sposób.

• Pochodzenie — ta sama hybrydowo-liniowa rodzina MoE, ten sam przepis na uwagę KDA-do-gated-MLA, który Ant wprowadził w 3.0 i udoskonalił w 3.1, ta sama topologia 512 trasowanych ekspertów co w otwartym checkpoincie 3.1.

• Limity szybkości — ten sam globalny pułap dwóch zapytań na sekundę i odpowiedzi 429 po jego przekroczeniu oraz ten sam 90-sekundowy limit czasu dla wywołań synchronicznych, przy czym zalecane jest streamowanie. Nowy model nie zapewnia większej przepustowości.

Zatem migracja z Ling-3.1-flash na Ling-3.2-flash to zmiana ciągu znaków modelu plus to, co robisz inaczej z obrazami. Nie ma nowego SDK, nowego punktu końcowego ani nowego uwierzytelniania.

Co tak naprawdę się zmieniło: model nauczył się patrzeć

Ling-3.1-flash przyjmuje tekst i zwraca tekst. To nie jest ograniczenie, które Ant ukrywał — własny przewodnik wyboru dostawcy pozycjonuje go do pracy biurowej, długoterminowego rozwoju oprogramowania i złożonych zadań agentowych, a jego materiały premierowe z 2026 r. były pełne inżynierskich benchmarków: port kompilatora Lua do x86-64-ELF, zaliczenie testów zgodności Pyright, reimplementacja w Rust, poprawka parsera OceanBase. Był to model dla ludzi, którzy zawodowo piszą kod.

Ling-3.2-flash zostaje przeorientowany wokół czterech możliwości wizualnych: złożonego rozumienia obrazu, multimodalnych agentów długodystansowych, rozumienia i interakcji 3D oraz medycznej pracy multimodalnej. Dokumentacja API wyraźnie stwierdza, że żądanie Ling-3.2-flash „natywnie przyjmuje tekst, obrazy i filmy”, wykorzystując bloki image_url dla nieruchomych obrazów i bloki video_url dla wideo. Opublikowane przez Ant dema pokazują, do czego to służy: odczytywania renderów bezinterfejsowych sfer materiałowych i porównywania chropowatości oraz map normalnych w celu dopracowania skryptu; sterowania Blenderem poprzez działania w interfejsie użytkownika; konwertowania rysunków inżynieryjnych na modele 3D do sieci; przekształcania badawczych plików PDF z równaniami w działający kod; szacowania porcji i kalorii na podstawie zdjęć posiłków.

Trzy benchmarki wydawnicze Ant są w całości wizualne i w całości raportowane przez producenta. OmniDocBench1.5 z wynikiem 92,21 wobec 90,56 dla Opus 5 przy maksymalnym nakładzie; ZEROBench(Sub) z wynikiem 43,71 wobec 39,52; Vision2Web z wynikiem 85,86 wobec 80,20. Twierdzenie, które wspierają, jest wąskie i konkretne: w zakresie parsowania dokumentów, rozumowania w scenach 3D i implementacji vision-to-web Ant uważa, że nowy model przewyższa czołowy zamknięty model. Żaden z tych trzech nie mówi nic o rozumowaniu tekstowym, a Ant nie opublikował żadnego benchmarku tekstowego — co samo w sobie jest sygnałem, zważywszy że premiera Ling-3.1-flash opierała się niemal wyłącznie na benchmarkach tekstowych.

Jeśli Twoje zadania opierają się na tekście, uczciwa interpretacja jest taka, że przewaga Ling-3.2-flash nad Ling-3.1-flash nie została zmierzona. Jeśli Twoje zadania wymagają patrzenia na coś, cały sens jest właśnie w tym.

Kwestia ceny to punkt, w którym te dwie najbardziej się rozchodzą.

Ling-3.1-flash ma opublikowaną kartę cen, obecnie objętą zniżką. Na stronie cennika Ant podano ¥2.00 za milion tokenów wejściowych i ¥6.00 za milion tokenów wyjściowych, obniżone o 75% do ¥0.50 i ¥1.50, przy czym odczyty z pamięci podręcznej kosztują ¥0.40 i spadają do ¥0.10. Kolumna USD publikowana przez Ant dla platform zewnętrznych pokazuje $0.30 i $0.90 w cenie katalogowej, po zniżce do $0.075 i $0.225.

Ling-3.2-flash nie ma w ogóle tabeli stawek. Strona z cennikiem wymienia Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash oraz dwa modele obrazów Ming; Ling-3.2-flash pojawia się tylko w banerze promocyjnym: „darmowy przez pierwsze 2 tygodnie po premierze”, po czym przywracane są ceny pierwotne, wraz z sugestią, by obserwować saldo konta. Brak stawki za dane wejściowe, stawki za dane wyjściowe, stawki za cache i — co istotniejsze w przypadku modelu multimodalnego — brak opublikowanych zasad rozliczania tokenów obrazu lub wideo.

Dla każdego, kto planuje zasoby, to jest rozstrzygająca asymetria. Model, którego nie można wycenić, to model, którego nie można ująć w budżecie, a model wizyjny, którego rozliczanie tokenów obrazu nie jest udokumentowane, to model, którego kosztu nie da się nawet oszacować na podstawie jego stawki tekstowej. Bezpłatne okno zamyka się około 19 listopada, pięć dni przed falą wycofywania Ant przypadającą na 15. Zespoły migrujące z Ling-2.6 trafią na obie te daty w ciągu tych samych dwóch tygodni.

Wagi: poprzednik jest otwarty, następnik nie.

To jest ta część, która odwraca intuicyjną kolejność. To starszy model ma wagi do pobrania.

Repozytorium Hugging Face inclusionAI/Ling-3.1-flash jest objęte licencją MIT i zawiera 572 120 680 768 bajtów safetensors — około 572 GB — ostatnia modyfikacja: 3 listopada 2026 r. Jego bliźniacze repozytorium Ling-3.1-flash-1019, rewizja po treningu opublikowana przez Ant w późnym październiku, również jest objęte licencją MIT i zawiera 54 shardy FP8 o łącznym rozmiarze około 573,8 GB. Oba są pełnym checkpointem, a nie adapterami, i oba wymagają trust_remote_code ze względu na niestandardowy kod modelowania BailingMoeV3ForCausalLM.

Ling-3.2-flash nie ma repozytorium. W najnowszym wykazie organizacji inclusionAI widnieją Ling-3.1-flash-1019, Ling-3.1-flash, bazowy checkpoint, modele wizyjne ZwZ2 oraz modele audio Ming — żadnego wpisu 3.2. Pod ogłoszeniem Anta najczęściej polubioną odpowiedzią jest komentarz użytkownika, który chciałby, aby było to open source, a Ant nie odpowiedział.

Zatem te dwa modele zamieniają się miejscami w zależności od tego, czego potrzebujesz. Jeśli chcesz uruchamiać MoE 560B na własnym sprzęcie, oceniać go offline, dostrajać lub po prostu nie zależeć od dostępności dostawcy, Ling-3.1-flash jest dostępny na warunkach, które na to wszystko pozwalają, a Ling-3.2-flash nie. Jeśli chcesz lepszy model multimodalny i odpowiada ci wynajmowanie go, kolejność się odwraca.

Niezależne wyniki, takie, jakie są

Artificial Analysis przebudowało swój Intelligence Index do wersji 5.0.1 pod koniec października, a przebudowa pozostawiła dwa modele Ling w różnych stanach. Odczytana dziś strona Ling 3.1 Flash nie zawiera żadnej wartości Intelligence Index — kafelek pokazuje N/A, obok N/A dla czasu na zadanie indeksowe, kosztu na zadanie indeksowe i tokenów wyjściowych. Natomiast strona Ling 3.1 Flash 1019 zawiera aktywny wynik 30 w wersji 5.0.1, z ważonym kosztem 3,19 USD na zadanie indeksowe i 240 mln wygenerowanych tokenów wyjściowych.

Ta wartość 30 nie jest porównywalna z żadnym wynikiem Ling sprzed przebudowy. Według poprzedniej rubryki Ling-3.1-flash-1019 uzyskał 44; rubryka v5 jest trudniejsza, przypisuje 60% wagi wyniku złożonego do zbiorów prywatnych i wydzielonych i obniżyła wyniki większości modeli. Przesunięcie z 44 na 30 to ponowne ocenianie, a nie regresja.

Ling-3.2-flash nie ma w ogóle strony w Artificial Analysis. Nie ma żadnej liczby od strony trzeciej, żadnego pomiaru szybkości, żadnego szacunku kosztu na zadanie. Jedyne istniejące dane to trzy wizualne benchmarki Ant.

Jak podjąć decyzję

Reguła decyzyjna, która wynika z powyższego, jest niezwykle przejrzysta, ponieważ oba modele tak naprawdę nie są substytutami.

Zostań przy Ling-3.1-flash, jeśli Twoje obciążenie to tekst, a Twój harmonogram to produkcja. Otrzymujesz opublikowaną obniżoną stawkę, wagi na licencji MIT, które możesz hostować samodzielnie, niezależny wynik 30 w obecnych kryteriach dla kompilacji 1019 oraz własną rekomendację Ant jako zamiennika trzech wycofywanych modeli. Nic w Ling-3.2-flash nie poprawia żadnego z tych elementów w pracy z tekstem, poza niezmierzoną możliwością.

Przejdź na Ling-3.2-flash, jeśli praca obejmuje obrazy, wideo, dokumenty z układem, 3D lub zrzuty ekranu. To możliwość, której Ling-3.1-flash po prostu nie ma, i jedyny powód, by zaakceptować niepublikowaną cenę i zamknięte wagi. Przeprowadź ocenę w okresie bezpłatnym — integracja to zmiana ciągu modelu w SDK, które już masz — a wszystko, co na nim zbudujesz przed 19 listopada, traktuj jako pilotaż, a nie zobowiązanie.

Uruchom oba, jeśli masz mieszany ruch. Kieruj pracę wizualną do 3.2, a pracę tekstową do 3.1 — właśnie do tego służy podział na dwa modele — i pamiętaj, że limit zapytań Ant jest globalny na konto, a nie na model: pułap nie podwaja się tylko dlatego, że wywołujesz dwa modele.

Gdzie router pasuje, a gdzie nie

Precyzując nasze własne stanowisko, ponieważ łatwo zasugerować więcej: ani Ling-3.2-flash, ani Ling-3.1-flash nie znajduje się w katalogu OrcaRouter. Ponownie odczytaliśmy bieżącą listę modeli 6 listopada i zwraca ona 215 identyfikatorów, bez wpisów Ling, inclusionAI, Ring lub ERNIE — jedyne dopasowania „ling” to modele wideo Kling. Zatem nic w tym porównaniu nie jest dziś w zasięgu jednego wywołania.

To, co daje ci tu router, to ścieżka wyjścia, a nie wejścia. Limit zapytań Ant wynosi dwa zapytania na sekundę na konto; globalny limiter na flagowym modelu 560B to dokładnie ten przypadek, w którym failover się opłaca, a praktyczny sposób uruchamiania Ling-3.2-flash w pętli agenta to umieszczenie za nim drugiego dostawcy, a nie ustawianie się w kolejce za 429. Po naszej stronie tym drugim dostawcą jest model z opublikowaną stawką na tym samym kluczu: Qwen3.8-Flash za 0,15 USD za milion tokenów wejściowych i 0,47 USD za milion tokenów wyjściowych w zadaniach wizyjnych lub DeepSeek V4.1 Flash za 0,15 i 0,60 USD oraz GLM-5.3-Flash za 0,15 i 0,50 USD w przypadku tekstu. Ceny to cennik dostawcy przekazywany bez marży, więc obniżka od dostawcy wchodzi tego samego dnia, a nie po cyklu zmiany cen. DSL routingu składa kilka modeli w jedno wywołanie, dzięki czemu powyższy podział staje się jednym punktem końcowym zamiast dwóch integracji.

Co by to rozstrzygnęło?

Trzy publikacje zamieniłyby to z decyzji opartej na osądzie w porównanie specyfikacji. Karta stawek dla Ling-3.2-flash, w tym zasady liczenia tokenów obrazów i wideo. Repozytorium Ling-3.2-flash na tych samych warunkach licencji MIT co jego poprzednik, co sprawiłoby, że główna przewaga starszego modelu zniknęłaby z dnia na dzień. Oraz tabela benchmarków wyłącznie tekstowych — jeden zestaw testów rozumowania, jeden zestaw testów kodowania — która powiedziałaby nam, czy generacja 3.2 poprawiła to, do czego stworzono 3.1, czy tylko dodała mu jeden zmysł.

Do tego czasu kolejność jest następująca: Ling-3.2-flash to lepszy model, a Ling-3.1-flash to lepszy wybór. Ant wydał je w odstępie pięciu tygodni — Ling-3.1-flash 30 września 2026 r., Ling-3.2-flash 5 listopada — i tylko jeden z tych dwóch modeli ma podaną cenę.