Ling 3.2 Flash vs MiniMax M3.1 Flash: A Mesma Janela de 1M, Duas Faturas Diferentes

Coloque o Ling 3.2 Flash e o MiniMax M3.1 Flash lado a lado em uma ficha técnica e eles parecem irmãos. Ambos são modelos nativos multimodais de mistura de especialistas que recebem texto, imagem e vídeo e retornam texto. Ambos têm uma janela de contexto de 1M de tokens. Ambos ativam aproximadamente 23 a 25 bilhões de parâmetros por token de um total muito maior. Ambos oferecem um endpoint compatível com Anthropic ao lado de um compatível com OpenAI. A divergência está inteiramente no que se pode descobrir sobre eles e no que se pode fazer com eles: o MiniMax M3.1 Flash pode ser chamado a uma tarifa publicada de US$ 0,15 por milhão de entrada e US$ 0,60 por milhão de saída desde 19 de outubro de 2026, com pesos para download e uma pontuação de inteligência independente; o Ling 3.2 Flash, no ar desde 5 de novembro, tem uma janela gratuita que se encerra por volta de 19 de novembro, nenhuma tarifa publicada, nenhum peso e nenhuma pontuação de terceiros.

Isso faz com que seja uma comparação de duas decisões de compra, e não de dois modelos. Uma delas você pode precificar, auditar, hospedar por conta própria e fazer failover hoje mesmo. A outra você pode avaliar gratuitamente por mais alguns dias e depois só chutar.

O que cada um realmente é

O Ling 3.2 Flash é a entrada multimodal carro-chefe da Ant Ling: 560B de parâmetros totais, 25B ativos, contexto de 1M, entrada nativa de imagem e vídeo, documentado no site de desenvolvedores da Ant ao lado de um irmão somente texto do mesmo tamanho. Ele está no topo de uma linha cujo carro-chefe anterior, Ling-3.1-flash, tem 560B/25B com a mesma janela e sem visão. O lançamento do 3.2 é mais bem entendido como o momento em que o topo da linha Ling e a capacidade multimodal passaram a estar nos mesmos pesos — Ling-3.0-flash-VL tinha visão, mas era um ramo lateral de 124B/5.5B.

O MiniMax M3.1 Flash pertence a uma linhagem completamente diferente: 428B no total, 23B ativos, contexto de 1M, um MoE multimodal nativo construído sobre MiniMax Sparse Attention com decodificação especulativa DSpark e treinamento ciente de quantização. É o sucessor do MiniMax-M3, que ainda está no catálogo a $0.30 de entrada e $1.20 de saída — exatamente o dobro do M3.1 Flash em ambos os lados. A própria documentação da MiniMax descreve o M3.1 Flash como "um modelo open-weight ultraeficiente para o trabalho cotidiano", posicionado para raciocínio agêntico, uso de ferramentas, programação e tarefas de contexto longo, com profundidade de raciocínio ajustável entre low, medium, high, xhigh e max.

• Parâmetros — Ling 3.2 Flash 560B no total / 25B ativos vs. MiniMax M3.1 Flash 428B / 23B.

• Contexto — 1M de tokens de qualquer forma; ambos oferecem isso nativamente, em vez de via recuperação.

• Entradas — texto, imagem e vídeo em ambos; saída de texto em ambos.

• Saída máxima — a MiniMax documenta 524.288 tokens; a Ant não publica limite de saída para o Ling 3.2 Flash.

• Pesos — MiniMax: disponíveis para download, cerca de 252 GB, sob a LICENÇA COMUNITÁRIA MINIMAX. Ling 3.2 Flash: nenhum publicado.

• Preço — MiniMax $0,15 / $0,60 por milhão com 90% de desconto de cache vs Ling 3.2 Flash sem preço listado, gratuito por catorze dias a partir de 5 de novembro.

• Pontuação independente — MiniMax 29 no Artificial Analysis Intelligence Index v5.0.1 vs Ling 3.2 Flash: sem página, sem pontuação.

A janela gratuita é um prazo, não um desconto.

A página de preços da Ant, atualizada no dia do lançamento, tem linhas para Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash e dois modelos de imagem Ming. Não tem linha para Ling 3.2 Flash. O modelo aparece uma vez, em uma linha promocional: gratuito pelas duas primeiras semanas após o lançamento. Quando isso expirar — por volta de 19 de novembro, o que é cerca de cinco dias a partir de hoje —, a página diz que os preços originais voltam a valer e aconselha ficar de olho no seu saldo. Essa é toda a divulgação.

A linha vizinha é a única estimativa disponível. O Ling-3.1-flash está listado a ¥2,00 por milhão de tokens de entrada e ¥6,00 de saída, com desconto de 75% para ¥0,50 e ¥1,50; leituras de cache de ¥0,40 a ¥0,10. Aproximadamente US$ 0,28/US$ 0,85 na tabela, US$ 0,07/US$ 0,21 com desconto. Se o Ling 3.2 Flash tiver o mesmo preço do seu irmão somente texto, ficará perto disso — mas isso é uma inferência a partir de uma linha adjacente, e nenhuma página da Ant diz como tokens de imagem ou vídeo são cobrados. Trinta e dois quadros de um clipe de trinta segundos são uma entrada que a Ant ainda não precificou.

O número do MiniMax M3.1 Flash, em contrapartida, está em uma página e no nosso catálogo: US$ 0,15 por milhão na entrada, US$ 0,60 na saída, US$ 0,015 por milhão em leituras de cache após 90% de desconto. Essa linha de cache importa mais do que parece para cargas de trabalho de agentes, porque um prompt de sistema longo e um esquema de ferramentas estável reenviados a cada turno são exatamente para isso que serve o cache — a US$ 0,015, é quase de graça manter o contexto parado.

O número independente e quanto custa por tarefa

A Artificial Analysis atribui ao MiniMax M3.1 Flash uma pontuação de 29 no atual Intelligence Index v5.0.1, ficando em 7º lugar entre 28 modelos em seu conjunto de comparação e acima da mediana de 24. O custo para executar esse índice uma vez é de US$ 0,49, e a execução levou 16,3 minutos por tarefa, contra uma mediana de 14,4 — mais lento que a média. A velocidade de saída é de 141 tokens por segundo, e o tempo até o primeiro token de resposta é de 53,75 segundos, que é o número que mais deveria preocupar você: 53,75 contra uma mediana de 17,52 significa que este modelo pensa antes de falar, e uma interface de chat vai sentir isso.

Também é prolixo. A execução do índice gerou 161M de tokens de saída contra uma mediana de 106M. Barato por token, prolixo por resposta — por isso o custo por tarefa importa mais do que o preço por token, e por isso $0.49 é o valor a levar para um orçamento em vez de $0.15.

O Ling 3.2 Flash não tem nada disso. Não há página do Artificial Analysis para ele até 14 de novembro; a URL do modelo retorna 404. O mais próximo na família é o Ling 3.1 Flash 1019, com 29,6 no mesmo índice v5.0.1, com preço de US$ 0,30 de entrada e US$ 0,90 de saída no mercado de terceiros — um número independente real para o predecessor, e não um número para este modelo. A única evidência de desempenho para o Ling 3.2 Flash é a comparação de lançamento da própria Ant contra o Opus 5 no esforço máximo: 92,21 contra 90,56 no OmniDocBench1.5, 43,71 contra 39,52 no ZEROBench(Sub), 85,86 contra 80,20 no Vision2Web. Relatada pelo fornecedor, não reproduzida, e todas as três são visuais por construção.

Então, o placar honesto tem um lado com um dado de terceiros e um custo por tarefa, e o outro lado com três números de fornecedores e nenhum árbitro. Essa assimetria não é uma crítica à qualidade do Ling 3.2 Flash — ele tem nove dias — mas é um fato sobre o que você pode decidir hoje.

Dois tetos que moldarão sua arquitetura

É aqui que as fichas técnicas deixam de parecer iguais. A Ant documenta seu limite de taxa de forma clara: dois requests por segundo globais, 429s acima disso e um timeout de 90 segundos em chamadas síncronas, com streaming recomendado. Para um agente que faz dezenas de chamadas por tarefa, dois QPS não é um limite flexível — é o número de throughput que decide quantos usuários uma única integração atende.

Os limites multimodais do Ant são igualmente específicos e igualmente vinculantes. Imagens: JPEG ou PNG, somente base64, até quarenta por requisição, 32 MiB por string codificada, 32 MiB no corpo total da requisição. Vídeo: MP4, MOV ou WMV, no máximo trinta segundos, um vídeo por requisição, amostragem fixa de 2fps limitada a 32 quadros, teto de 32 MiB em base64. Não há caminho de busca por URL documentado para nenhum dos dois meios. Um "agente multimodal de horizonte longo" que consegue manter um contexto visual ao longo de muitas chamadas de ferramentas é uma proposta atraente; um teto de trinta segundos, trinta e dois quadros e um vídeo por requisição é o formato do ciclo que ele realmente consegue executar.

A MiniMax não publica nenhum limite equivalente de vídeo por solicitação na documentação que lemos, e sua proposta de contexto é a mais simples: 1M de entrada, até 524.288 de saída, com a profundidade de raciocínio ajustada por um parâmetro de esforço em vez de um modo separado. Se a sua tarefa é "ler uma longa gravação de tela e produzir um relatório longo", a diferença nos limites divulgados é a diferença entre um problema de documentação e um problema de projeto.

Ambos os modelos ficam atrás dos mesmos dois dialetos de endpoint, então o custo de troca é uma URL base e uma string de modelo — o que é justamente o motivo para não fixar nenhum dos dois no código. No OrcaRouter, o MiniMax M3.1 Flash é um identificador entre mais de 200 em uma única chave, com o preço de tabela do próprio provedor e zero de markup, então uma mudança de preço do MiniMax chega à sua fatura no dia em que acontece, e não depois de um ciclo de reprecificação. O failover automático significa que um 429 ou um timeout de 90 segundos em um provedor vira uma nova tentativa em outro, e não uma requisição com falha — o modo de falha sobre o qual a própria página de limites de taxa da Ant alerta é justamente o que isto elimina. O Ling 3.2 Flash não está no nosso catálogo, então não vamos fingir que o servimos; a forma honesta de colocar é que ele compete aqui pelas cargas de trabalho em que o MiniMax M3.1 Flash já está a uma chamada de distância.

A questão da licença que ninguém coloca na manchete

O MiniMax M3.1 Flash é distribuído com pesos abertos sob a MINIMAX COMMUNITY LICENSE, e vale a pena ler os termos antes que alguém na sala diga “código aberto”. A concessão é para uso não comercial. O uso comercial exige exibir com destaque “Built with MiniMax M3.1-Flash” em um site relacionado, interface, post de blog, página “sobre” ou documentação do produto, e exige uma notificação única à MiniMax — ou autorização prévia por escrito se seus produtos gerarem mais de US$ 20 milhões em receita anual. Essa é uma proposta materialmente diferente de uma licença MIT, e é o tipo de cláusula que aparece na revisão jurídica duas semanas depois que o protótipo funciona.

O Ling 3.2 Flash não tem licença a questionar porque não tem pesos. A organização inclusionAI no Hugging Face disponibiliza o Ling-3.1-flash, o Ling-3.1-flash-1019 e checkpoints base; nesta semana, não existe repositório 3.2. O último lançamento de pesos de um modelo principal da Ant foi de 573,8 GB sob licença MIT, em 27 de outubro. Um laboratório que abre o código de um modelo principal e fecha o próximo está dizendo onde acredita que está a margem, e uma equipe que precisa hospedar por conta própria, fazer ajuste fino ou auditar os pesos não é atendida de forma alguma por este lançamento.

Qual escolher, e quando não escolher nenhum

Escolha o MiniMax M3.1 Flash se precisar de um número hoje. Ele tem uma tarifa publicada, 90% de desconto de cache, pesos baixáveis com uma licença legível, uma pontuação independente que você pode comparar com outros 27 modelos e pode ser chamado por meio de nós agora mesmo. Os custos são reais: 53,75 segundos até o primeiro token de resposta, 16,3 minutos por tarefa de indexação e 161 milhões de tokens de saída em uma execução que um modelo mais enxuto conclui com dois terços disso.

Escolha o Ling 3.2 Flash somente se a tarefa for intensiva em visão e do tamanho de frames — compreensão de documentos com equações e diagramas, conversão de desenho para 3D, ciclos de inspeção de renderização — e somente pelos próximos cinco dias, enquanto a inferência for gratuita. É um modelo multimodal nativo de 560B com janela de 1M e uma alegação de benchmark genuinamente incomum em três avaliações visuais. O que você não pode fazer é colocá-lo em produção: sem tabela de preços, sem pesos, sem pontuação independente, duas requisições por segundo e nenhum caminho de failover em lugar algum, inclusive aqui.

Não escolha nenhum dos dois se o que você realmente quer é um modelo multimodal barato, com preço estável e uma licença com a qual você consiga conviver — o campo em torno desses dois é profundo, e ambos estão no nível intermediário nas dimensões que decidem uma escolha de produção: transparência de preço, teto de throughput e a existência de um árbitro.

Os próximos cinco dias são a história inteira do Ling 3.2 Flash. Ou a Ant publica uma tabela de tarifas que inclua preços de tokens para imagem e vídeo antes que a janela gratuita feche, e isso se torna uma comparação real entre dois modelos com preço, ou a janela caduca para uma tarifa não listada e a decisão continua unilateral por mais um trimestre. O MiniMax M3.1 Flash já respondeu a todas as perguntas que um comprador faz; o Ling 3.2 Flash respondeu à interessante — que um modelo multimodal de 560B pode superar o Opus 5 em benchmarks de documentos e de 3D segundo suas próprias medições — e deixou para depois as chatas, que são as que decidem se você consegue colocar em produção.