Ling-3.2-flash vs Ling-3.1-flash: mesmo esqueleto de 560B, um novo sentido, nenhum novo peso

A própria página de descontinuação da Ant Ling torna a decisão sobre o Ling-3.2-flash mais difícil do que o post de lançamento. Três modelos mais antigos — Ling-2.6-1T, Ring-2.6-1T e Ling-2.6-flash — serão desativados em 15 de novembro de 2026, e o substituto recomendado para todos os três é o Ling-3.1-flash. Assim, no dia em que o Ling-3.2-flash chegou, seu antecessor acabara de ser designado a zona de destino oficial para todas as equipes que migram da geração 2.6. Essas equipes agora precisam escolher entre o modelo para o qual a Ant lhes disse para migrar e o modelo que a Ant anunciou na mesma semana. Os dois têm a mesma contagem de parâmetros, a mesma janela de contexto, a mesma superfície de API — e diferem em exatamente um eixo que importa, além de um que importa mais: o Ling-3.2-flash vê, o Ling-3.1-flash lê, e o Ling-3.1-flash é o que você pode baixar.

Essa é a comparação que vale a pena fazer, e não é a que a cobertura de lançamento fez. O Ling-3.2-flash vence em capacidade. O Ling-3.1-flash vence em tudo o que uma equipe de produção precisa para se comprometer: um preço publicado, pesos licenciados sob MIT e uma pontuação independente que você pode verificar — mesmo que essa pontuação tenha sido retirada do ranking em que estava desde então.

O que é genuinamente idêntico

Comece pelas partes que o Ant não alterou, pois elas determinam quanto esforço uma migração realmente exige.

• Tamanho — ambos têm 560B de parâmetros totais, com 25B ativos por token. A tabela de seleção de modelos da Ant lista os mesmos dois números em ambas as linhas.

• Contexto — ambos trazem uma janela de 1M de tokens. O Ling-3.0-flash, um nível abaixo, está limitado a 256K, então 1M agora é a linha de base do carro-chefe, e não uma manchete.

• Superfície de requisição — ambos são disponibilizados em api.ant-ling.com/v1 por meio de um endpoint chat/completions compatível com OpenAI e de um endpoint messages compatível com Anthropic. Ambos aceitam o objeto thinking com enabled ou disabled; a referência da Ant lista as séries 3.0, 3.1 e 3.2 igualmente.

• {{1}}Linhagem{{/1}} — mesma família MoE híbrida-linear, mesma receita de atenção KDA-to-gated-MLA que a Ant introduziu na 3.0 e refinou na 3.1, mesma topologia de 512 especialistas roteados do checkpoint 3.1 aberto.

• Limites de taxa — o mesmo teto global de duas consultas por segundo, com 429 acima disso, e o mesmo tempo limite síncrono de 90 segundos, com streaming recomendado. Um novo modelo não lhe dá mais vazão.

Portanto, uma migração de Ling-3.1-flash para Ling-3.2-flash é uma mudança na string do modelo mais o que quer que você faça de diferente com imagens. Não há novo SDK, nem novo endpoint, nem nova autenticação.

O que realmente mudou: o modelo aprendeu a olhar

O Ling-3.1-flash é texto entra, texto sai. Isso não é uma limitação que a Ant tenha escondido — o próprio guia de seleção do fornecedor o posiciona para trabalho de escritório, desenvolvimento de software de longo horizonte e tarefas complexas de agentes, e seu material de lançamento de 2026 estava repleto de benchmarks de engenharia: um porte de compilador de Lua para x86-64-ELF, uma aprovação de conformidade do Pyright, uma reimplementação em Rust, um patch no parser do OceanBase. Era um modelo para quem escreve código para viver.

O Ling-3.2-flash foi reposicionado em torno de quatro capacidades visuais: compreensão visual complexa, agentes multimodais de longo horizonte, compreensão e interação 3D e trabalho multimodal na área médica. A referência da API deixa explícito que uma requisição ao Ling-3.2-flash "aceita nativamente texto, imagens e vídeos", usando blocos image_url para imagens estáticas e blocos video_url para vídeo. As demos publicadas pela Ant mostram para que isso serve: ler renders headless de esferas de material e comparar mapas de rugosidade e normais para refinar um script; conduzir o Blender por meio de ações de interface; converter desenhos de engenharia em modelos web 3D; transformar PDFs de pesquisa com equações em código funcional; estimar porções e calorias a partir de fotos de refeições.

Os três benchmarks de lançamento da Ant são todos visuais e todos reportados pelo fornecedor. OmniDocBench1.5 a 92,21 contra 90,56 do Opus 5 no esforço máximo; ZEROBench(Sub) a 43,71 contra 39,52; Vision2Web a 85,86 contra 80,20. A alegação que eles sustentam é estreita e específica: em parsing de documentos, raciocínio de cenas 3D e implementação de visão para web, a Ant acredita que o novo modelo supera um modelo fechado de fronteira. Nenhum dos três diz nada sobre raciocínio textual, e a Ant não publicou nenhum benchmark de texto — o que, por si só, é um sinal, dado que o lançamento do Ling-3.1-flash foi quase inteiramente de benchmarks de texto.

Se sua carga de trabalho é texto, a leitura honesta é que a vantagem do Ling-3.2-flash sobre o Ling-3.1-flash não foi medida. Se sua carga de trabalho envolve olhar para algo, é exatamente esse o ponto.

A questão do preço é o ponto em que os dois mais divergem.

O Ling-3.1-flash tem uma tabela de preços publicada, atualmente com desconto. A página de preços da Ant lista ¥2,00 por milhão de tokens de entrada e ¥6,00 por milhão de saída, com desconto de 75% para ¥0,50 e ¥1,50, e leituras de cache a ¥0,40 reduzidas para ¥0,10. A coluna em USD que a Ant publica para plataformas de terceiros mostra US$0,30 e US$0,90 no preço de tabela, com desconto para US$0,075 e US$0,225.

O Ling-3.2-flash não tem nenhuma tabela de tarifas. A página de preços lista Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash e dois modelos de imagem Ming; o Ling-3.2-flash aparece apenas em um banner promocional: "grátis nas primeiras 2 semanas após o lançamento", com os preços originais retomados depois disso e uma sugestão de ficar de olho no saldo da sua conta. Sem tarifa de entrada, sem tarifa de saída, sem tarifa de cache e — o que é mais relevante para um modelo multimodal — nenhum tratamento publicado de tokens de imagem ou vídeo.

Para quem está planejando capacidade, essa é a assimetria decisiva. Um modelo que você não consegue precificar é um modelo que você não consegue colocar em um orçamento, e um modelo de visão cuja contabilização de tokens de imagem não está documentada é um modelo cujo custo você não consegue nem estimar a partir da sua tarifa de texto. A janela gratuita fecha por volta de 19 de novembro, cinco dias antes de a onda de descontinuação do Ant chegar no dia 15. Equipes migrando do Ling-2.6 vão esbarrar nas duas datas dentro da mesma quinzena.

Pesos: o predecessor está aberto, o sucessor não.

Esta é a parte que inverte a ordem intuitiva. O modelo mais antigo é o que tem pesos disponíveis para download.

O repositório do Hugging Face inclusionAI/Ling-3.1-flash tem licença MIT e contém 572.120.680.768 bytes de safetensors — aproximadamente 572 GB — modificado pela última vez em 3 de novembro de 2026. Sua versão irmã, Ling-3.1-flash-1019, a revisão de pós-treinamento que a Ant lançou no final de outubro, também é MIT e contém 54 shards FP8 em cerca de 573,8 GB. Ambos são o checkpoint completo, não adaptadores, e ambos exigem trust_remote_code por causa do código de modelagem personalizado BailingMoeV3ForCausalLM.

Ling-3.2-flash não tem repositório. A listagem recente da organização inclusionAI inclui Ling-3.1-flash-1019, Ling-3.1-flash, um checkpoint base, os modelos de visão ZwZ2 e os modelos de áudio Ming — nenhuma entrada 3.2. No anúncio da Ant, a resposta com mais curtidas é de um usuário que gostaria que fosse de código aberto, e a Ant não respondeu.

Então, os dois modelos trocam de lugar dependendo do que você precisa. Se você quer servir um MoE de 560B no seu próprio hardware, avaliá-lo offline, fazer fine-tuning nele ou simplesmente não depender do uptime de um fornecedor, o Ling-3.1-flash está disponível sob termos que permitem tudo isso, e o Ling-3.2-flash não. Se você quer o melhor modelo multimodal e se contenta em alugá-lo, a ordem se inverte.

As pontuações independentes, tais como são

A Artificial Analysis reconstruiu seu Intelligence Index para a v5.0.1 no final de outubro, e a reconstrução deixou os dois modelos Ling em estados diferentes. Consultada hoje, a página do Ling 3.1 Flash não traz nenhum número do Intelligence Index — o bloco mostra N/A, ao lado de N/A para tempo por tarefa do índice, custo por tarefa do índice e tokens de saída. A página do Ling 3.1 Flash 1019, por contraste, traz uma pontuação ativa de 30 na v5.0.1, com custo ponderado de $3.19 por tarefa do índice e 240M tokens de saída gerados.

Esse 30 não é comparável a nenhum número do Ling anterior à reconstrução. Sob a rubrica anterior, o Ling-3.1-flash-1019 registrava 44; a rubrica v5 é mais difícil, pondera 60% do composto para conjuntos privados e held-out, e fez a maioria dos modelos cair. A mudança de 44 para 30 é um recálculo de pontuação, não uma regressão.

O Ling-3.2-flash não tem nenhuma página no Artificial Analysis. Não há nenhum número de terceiros, nenhuma medição de velocidade, nenhuma estimativa de custo por tarefa. Os únicos números existentes são os três benchmarks visuais da Ant.

Como decidir

A regra de decisão que decorre de tudo o que foi dito acima é invulgarmente simples, porque os dois modelos não são realmente substitutos um do outro.

Fique no Ling-3.1-flash se sua carga de trabalho for de texto e seu cronograma for de produção. Você obtém uma tarifa com desconto publicada, pesos MIT que pode hospedar por conta própria, uma pontuação independente de 30 na rubrica atual para a build 1019 e a própria recomendação da Ant como substituto de três modelos que estão sendo retirados. Nada no Ling-3.2-flash melhora qualquer um desses pontos para trabalho com texto, exceto uma possibilidade não medida.

Passe para o Ling-3.2-flash se o trabalho envolver imagens, vídeo, documentos com layout, 3D ou capturas de tela. Essa é a capacidade que o Ling-3.1-flash simplesmente não tem, e é o único motivo para aceitar um preço não publicado e pesos fechados. Faça sua avaliação durante a janela gratuita — a integração é uma alteração de string de modelo em um SDK que você já tem — e trate qualquer coisa que você construir nele antes de 19 de novembro como um piloto, não como um compromisso.

Execute os dois se você tiver tráfego misto. Direcione o trabalho visual para o 3.2 e o trabalho de texto para o 3.1, que é exatamente para isso que a divisão entre dois modelos serve, e observe que o limite de taxa da Ant é global por conta, e não por modelo — o teto não dobra porque você está chamando dois modelos.

Onde um router se encaixa e onde não

Sendo precisos quanto à nossa própria posição, já que é fácil dar a entender mais do que isso: nem o Ling-3.2-flash nem o Ling-3.1-flash estão no catálogo do OrcaRouter. Voltamos a ler a lista de modelos ao vivo em 6 de novembro e ela retorna 215 identificadores, sem qualquer entrada de Ling, inclusionAI, Ring ou ERNIE — as únicas correspondências para "ling" são modelos de vídeo Kling. Portanto, nada nesta comparação está a uma única chamada de distância hoje.

O que um roteador oferece aqui é o caminho de saída, e não o de entrada. O limite de taxa do Ant é de duas consultas por segundo por conta; um limitador global em um carro-chefe de 560B é exatamente a condição em que o failover se paga, e a forma prática de rodar o Ling-3.2-flash em um loop de agente é colocar um segundo provedor por trás dele em vez de enfileirar atrás de um 429. Do nosso lado, esse segundo provedor é um modelo com preço publicado na mesma chave: Qwen3.8-Flash a US$ 0,15 por milhão de entrada e US$ 0,47 por milhão de saída para trabalho de visão, ou DeepSeek V4.1 Flash a US$ 0,15 e US$ 0,60, e GLM-5.3-Flash a US$ 0,15 e US$ 0,50 para texto. Os preços são a tabela do provedor repassada com margem zero, então um corte do fornecedor chega no mesmo dia em vez de depois de um ciclo de reprecificação. A DSL de roteamento compõe vários modelos em uma única chamada, e é assim que a divisão acima se torna um único endpoint em vez de duas integrações.

O que resolveria isso

Três publicações transformariam isto de uma decisão subjetiva em uma comparação de especificações. Uma tabela de preços para o Ling-3.2-flash, incluindo como os tokens de imagem e vídeo são contados. Um repositório do Ling-3.2-flash sob os mesmos termos MIT de seu antecessor, o que faria a principal vantagem do modelo mais antigo desaparecer da noite para o dia. E uma tabela de benchmarks somente texto — uma suíte de raciocínio, uma suíte de codificação — que nos diria se a geração 3.2 melhorou aquilo para o que a 3.1 foi criada, ou apenas lhe acrescentou um sentido.

Até lá, a ordem é: o Ling-3.2-flash é o modelo melhor, e o Ling-3.1-flash é a aposta mais segura. A Ant lançou os dois com cinco semanas de diferença — o Ling-3.1-flash em 30 de setembro de 2026, o Ling-3.2-flash em 5 de novembro — e apenas um desses dois modelos tem preço definido.