Ling 3.2 Flash: um flagship multimodal de 560B que assiste a 30 segundos por vez

O Ling 3.2 Flash é um modelo de mistura de especialistas com 560 bilhões de parâmetros da Ant Ling, com 25 bilhões de parâmetros ativos por token, uma janela de contexto de 1 milhão de tokens e — o motivo de ele existir — entrada nativa de imagem e vídeo, em vez de um codificador de visão acoplado a um modelo de texto. Ele entrou na API da Ant em 5 de novembro de 2026. Nove dias depois, a pergunta interessante já não é o que ele é, porque a ficha técnica é pública e curta. É o que a ficha técnica deixa de fora, e a primeira coisa que ela deixa de fora é que a compreensão de vídeo que todos estão empolgados se limita a trinta segundos, um clipe por requisição, trinta e dois quadros amostrados.

Isso não é uma nota de rodapé. O próprio guia multimodal do Ant Ling — a página que documenta como chamar o Ling 3.2 Flash — define o teto de vídeo em uma duração de trinta segundos ou menos, um único vídeo por requisição, uma taxa de amostragem fixa de 2fps limitada a 32 quadros e um teto de 32 MiB para a string base64. O mesmo bloco de limites rege o Ling-3.0-flash-VL, então parte disso é infraestrutura herdada, e não uma decisão tomada para este modelo, mas é o que quem faz a chamada recebe. Se a sua proposta para um modelo multimodal nativo é "agente de horizonte longo que mantém o contexto visual vivo ao longo de muitas chamadas de ferramentas", um clipe de trinta segundos e um vídeo por requisição é o número que restringe a arquitetura, não a tabela de benchmarks.

O que é o modelo, em números que você pode conferir

Os parâmetros e a janela aparecem em dois lugares no site de desenvolvedores da Ant: na tabela de seleção de modelos Ling, em que o Ling 3.2 Flash aparece acima do Ling-3.1-flash com a linha idêntica 560B / 25B / 1M e uma linha de posicionamento diferente, e na linha do tempo "Ling's Evolution", que registra a série 3.2 em 2026.11. A linha de posicionamento é o delta real: o 3.1 é descrito como um modelo de raciocínio híbrido para trabalho de escritório, desenvolvimento de software de horizonte longo e tarefas de agente; o 3.2 é descrito como um modelo multimodal nativo focado em compreensão visual complexa, agentes multimodais de horizonte longo, compreensão e interação 3D e trabalho multimodal médico. Mesmo esqueleto, um novo sentido.

• Total de parâmetros — 560B para o Ling 3.2 Flash, igualado apenas por seu irmão somente texto Ling-3.1-flash com 560B; o predecessor de visão Ling-3.0-flash-VL era 124B.

• Parâmetros ativos por token — 25B, em comparação com 5,5B do Ling-3.0-flash-VL e 25B do Ling-3.1-flash.

• Janela de contexto — 1M de tokens, quatro vezes os 256K oferecidos pelo Ling-3.0-flash-VL e pelo Ling-3.0-flash.

• Modalidades — entrada de texto, imagem e vídeo e saída de texto, com visão e linguagem combinadas na própria arquitetura, em vez de encaminhadas por um módulo externo.

Formatos de endpoint — chat/completions compatível com OpenAI e messages compatível com Anthropic, ambos em api.ant-ling.com.

A consequência prática dos formatos dos endpoints é que uma integração existente migra com uma mudança de URL base e uma string de modelo. A Ant disponibiliza os mesmos dois formatos para todos os modelos Ling, e o guia multimodal mostra blocos de conteúdo image_url para imagens estáticas e blocos video_url para vídeo, ambos somente em base64 — não há caminho de busca via URL documentado para nenhum dos dois, o que é a segunda restrição que uma integração de produção encontra antes de encontrar um benchmark.

O preço ainda não foi divulgado, e o medidor está com cinco dias.

Esta é a parte que vale a pena verificar antes de construir qualquer coisa. A página de preços da Ant — atualizada pela última vez em 5 de novembro de 2026, o dia do lançamento — contém linhas para Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash e dois modelos de imagem Ming. Não contém uma linha para o Ling 3.2 Flash. O modelo aparece nessa página exatamente uma vez, numa linha promocional: gratuito durante as duas primeiras semanas após o lançamento.

Contando a partir de 5 de novembro, essa janela fecha por volta de 19 de novembro. Hoje restam cerca de cinco dias. Quando ela fechar, a página diz que os preços originais voltam e pede que você fique de olho no seu saldo, o que é toda a divulgação de preços para um carro-chefe de 560B.

O que dá para fazer é delimitar o número com base na linha acima. O Ling-3.1-flash está listado a ¥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 as leituras de cache a ¥0,40 caindo para ¥0,10. Convertendo o valor de tabela, um carro-chefe Ling somente texto fica em cerca de $0,28 de entrada e $0,85 de saída por milhão; a tarifa com desconto chega perto de $0,07 e $0,21. Se o Ling 3.2 Flash tiver preço semelhante ao do seu irmão, é essa a ordem de grandeza. Trata-se de uma inferência a partir de uma linha adjacente, não de uma tarifa publicada, e um modelo multimodal carrega tokens de imagem e vídeo cuja precificação a Ant não descreveu de forma alguma — um clipe de trinta segundos a 2 fps tem 32 quadros, e nenhuma página informa quanto custam esses 32 quadros.

Essa lacuna tem uma consequência específica para quem faz planejamento orçamentário: não é possível responder "quanto custa esta tarefa" para o Ling 3.2 Flash da forma como se pode para um modelo com tabela de preços. É possível responder depois de 19 de novembro, ou agora, executando a avaliação enquanto o medidor está desligado — o que é a interpretação sensata de uma janela gratuita de quatorze dias em um modelo sem preço publicado.

Três números de benchmark, todos eles da Ant

O anúncio da Ant compara o Ling 3.2 Flash com o Opus 5 executando com esforço máximo de raciocínio em três avaliações. Todas as três são relatadas pelo fornecedor, produzidas pelo próprio pipeline de lançamento da Ant, e nenhuma foi reproduzida fora dele. Com esse rótulo anexado:

• OmniDocBench1.5 — 92,21 para o Ling 3.2 Flash contra 90,56 para o Opus 5 (máx.), uma diferença de 1,65 ponto em compreensão de documentos.

• ZEROBench(Sub) — 43,71 contra 39,52, a maior diferença relativa, de cerca de 10,6%, em um benchmark de cenas 3D.

• Vision2Web — 85,86 contra 80,20, uma avaliação de implementação de visão para web.

Leia o conjunto e ele diz algo mais restrito do que "supera o Opus 5". Os três benchmarks são visuais. A Ant escolheu as três avaliações em que um modelo multimodal nativo com 25B de parâmetros ativos poderia plausivelmente superar um modelo fechado de fronteira, e não publicou nenhuma comparação somente de texto — nenhuma suíte de raciocínio, nenhuma suíte de programação, nenhuma tarefa agêntica de terminal, que é exatamente onde reside o posicionamento do Ling-3.1-flash do mesmo laboratório. Dois dos três, ZEROBench e Vision2Web, não são instrumentos com ampla participação de terceiros, então o leitor não pode fazer uma verificação de sanidade deles contra outros modelos. E "Opus 5 (max)" é uma configuração de um único concorrente, sem que sejam informados harness, conjunto de prompts ou número de tentativas para nenhum dos lados.

Também não há uma pontuação independente para este modelo que possa ser colocada ao lado delas. O Artificial Analysis, o habitual árbitro neutro, não tem uma página para o Ling 3.2 Flash em 14 de novembro — a URL retorna um 404 — e o mais próximo que a família tem é sua versão irmã apenas de texto. O Ling 3.1 Flash 1019 obtém 29,6 no atual Intelligence Index v5.0.1, a US$ 0,30 por milhão de tokens de entrada e US$ 0,90 por milhão de tokens de saída. Esse é um número independente real, e pertence ao modelo anterior, não a este.

Os limites de entrada são a verdadeira especificação do produto.

A Ant documenta quatro áreas de capacidade para o Ling 3.2 Flash, e elas são mais restritas do que a lista habitual de lançamento: compreensão visual complexa (documentos com equações e diagramas, não legendagem), agentes multimodais de horizonte longo que mantêm um contexto visual ativo entre chamadas de ferramentas, compreensão e interação 3D, e trabalho multimodal médico. As demos correspondem a isso — ler renderizações headless de esferas de material e comparar rugosidade para refinar seus próprios scripts, converter desenhos de engenharia em modelos web 3D, coordenar agentes especialistas sobre um contexto visual compartilhado para produzir um relatório, uma apresentação e um vídeo de destaques a partir dos mesmos dados do Q2.

Então você lê os limites, e as demos começam a parecer que foram construídas dentro das restrições, e não em torno delas. Um loop de feedback visual que inspeciona suas próprias renderizações custa pouco em frames: uma imagem por turno, até quarenta imagens por requisição, cada uma com menos de 16384 por 784 pixels. Um agente de longo horizonte que mantém uma gravação de reunião no contexto não é barato, porque a gravação é limitada a trinta segundos e trinta e dois frames. Os dois limites, juntos, descrevem um modelo construído para muitos pequenos olhares ao mundo, e não para um único olhar longo.

Os limites de taxa agravam isso. A própria página de limites de taxa da Ant estabelece um teto global de duas requisições por segundo, com respostas 429 acima disso, e um timeout de 90 segundos em chamadas síncronas, com streaming recomendado. Para um produto de chat, isso é aceitável. Para os loops de agentes em várias etapas para os quais o modelo é explicitamente posicionado — dezenas de chamadas por tarefa, cada uma carregando um frame —, dois QPS é um número de planejamento, e moldará a arquitetura mais do que qualquer lacuna de benchmark.

Onde se encaixa, e quanto custa experimentar

A posição honesta sobre a disponibilidade: o Ling 3.2 Flash não está no catálogo do OrcaRouter hoje. A lista de modelos ao vivo retorna 215 identificadores e nenhum deles é um modelo Ling — as correspondências "ling" são modelos de vídeo Kling, que são de um laboratório chinês totalmente diferente. Portanto, nada aqui está a uma única chamada de distância, e não existe caminho de failover do nosso lado para ele. O que roteamos é a classe de comparação com a qual ele será avaliado: MiniMax M3.1 Flash, um MoE multimodal nativo 428B/23B com a mesma janela de 1M, entrada de vídeo e pesos abertos, a US$ 0,15 por milhão de tokens de entrada e US$ 0,60 por milhão de tokens de saída com 90% de desconto de cache — preço de tabela do provedor repassado sem margem, com failover automático entre provedores por trás de uma única chave.

Essa é a forma útil da decisão enquanto o Ling 3.2 Flash não tem tabela de preços. Execute a avaliação gratuita na própria API da Ant, porque cinco dias de inferência gratuita em um modelo multimodal de 560B valem o custo de configuração de uma mudança de URL base. Não o coloque atrás de um caminho de produção que você não consegue precificar, não consegue fazer failover e não consegue limitar a mais de duas solicitações por segundo. Se a carga de trabalho for compreensão de documentos ou quadros e você precisar de um número hoje, os modelos para os quais você realmente pode planejar o orçamento são os que estão em uma tabela de preços — e há mais de 200 deles em uma única chave, o que pelo menos torna a comparação uma única integração em vez de uma por fornecedor.

O que assistir antes que a janela feche

Três coisas decidem se o Ling 3.2 Flash se torna um modelo que você usa ou um modelo que você avaliou. A primeira é a tabela de preços: se a Ant publica preços por milhão — inclusive como cobra tokens de imagem e vídeo — antes de 19 de novembro, ou se a janela gratuita simplesmente expira e vira uma tarifa não listada. A segunda são os pesos. A Ant é um laboratório cuja reputação em 2026 se apoia em checkpoints de 560B licenciados sob MIT; o Ling-3.1-flash-1019 foi disponibilizado com 573.8 GB sob MIT em 27 de outubro, e não há repositório 3.2 na organização inclusionAI no Hugging Face até esta semana. Um modelo principal fechado vindo desse laboratório é uma mudança de postura, não uma formalidade. A terceira é o primeiro benchmark independente, porque, até que exista um, toda alegação multimodal neste artigo é a palavra da Ant contra a seleção de tarefas da própria Ant.

Nada disso torna o modelo desinteressante. Um MoE multimodal nativo de 560B com 25B ativos, uma janela de 1M e ambos os dialetos de API é uma peça séria de engenharia, e as três lacunas de benchmark em relação ao Opus 5 — relatadas pelo fornecedor, harness não publicado — são grandes o suficiente para valer a pena você mesmo testar em vez de descartar. A postura correta após nove dias é aquela para a qual a janela gratuita foi criada: medir agora, precificar quando a tabela de preços aparecer, e não confundir duas semanas promocionais com um compromisso de produto.