Ling-3.2-flash: нативный мультимодальный флагман Ant Ling работает по двухнедельному циклу

Самый значимый факт о Ling-3.2-flash касается биллинга, и он скоро перестанет действовать. Ant Ling добавила модель в свой API 5 ноября 2026 года и сделала её бесплатной на первые четырнадцать дней; когда это окно закроется, возобновятся «исходные цены» — цены, которые поставщик ещё не опубликовал. Так что каждое архитектурное утверждение ниже имеет короткий срок актуальности и один долгосрочный вопрос: сколько это будет стоить на пятнадцатый день? Ling-3.2-flash — это модель со смесью экспертов на 560 миллиардов параметров, из которых 25 миллиардов активны на каждый токен, с контекстом в 1 млн токенов и — собственно главная новость — нативным вводом изображений, текста и видео, что делает её первым флагманом Ling, который видит, а не только читает. Её предшественница Ling-3.1-flash была только текстовой. Ling-3.0-flash-VL, более ранняя визуальная модель, была побочной ветвью на 124B. Впервые вершина линейки Ling и мультимодальные возможности находятся в одних и тех же весах.

Собственная запись Ant в списке изменений (версия 2.0.6 от 5 ноября) и есть документ о релизе, и она состоит из одного предложения. Анонс в X тем же вечером добавляет три числа бенчмарков и пять демонстрационных видео. Нет ни технического отчёта, ни карточки модели, ни весов, ни прайс-листа. Это более скудный документальный след, чем был у Ling-3.1-flash в сентябре, и об этом стоит сказать прямо, прежде чем считать какое-либо число установленным.

Что на самом деле вышло — и о чём Ant умолчал

Четыре вещи сегодня задокументированы и поддаются проверке. Число параметров, число активных параметров и контекстное окно указаны в двух местах на сайте разработчиков Ant — в таблице выбора модели Ling и на таймлайне «Ling's Evolution», где серия 3.2 отнесена к 2026.11. Поддержка модальностей описана в справочнике API: для запросов к Ling-3.2-flash указано, что модель «нативно принимает текст, изображения и видео», с контент-блоками image_url для статичных изображений и блоками video_url для видео. Форматы эндпоинтов — это две схемы, которые Ant уже повсеместно использует: chat/completions, совместимый с OpenAI, и messages, совместимый с Anthropic, оба доступны по адресу api.ant-ling.com/v1.

Четыре вещи не задокументированы. На странице цен нигде не опубликована цена за миллион токенов для Ling-3.2-flash — в таблице перечислены Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash и две имиджевые модели Ming, а Ling-3.2-flash фигурирует только в рекламной строке. Открытых весов нет: организация inclusionAI на Hugging Face содержит Ling-3.1-flash, Ling-3.1-flash-1019 и базовый чекпоинт Ling-3.1-flash, а репозитория 3.2 нет. Независимого бенчмарка нет. И не указано ограничение на количество выходных токенов, что для модели, позиционируемой для генерации длинных итоговых материалов, является существенным упущением, а не мелкой сноской.

Вопрос о весах оставил заметный след в соцсетях. Единственный ответ под анонсом Ant, который стоит читать, — это пользователь, по сути спрашивающий, будет ли это открытым исходным кодом. Ant не ответил. Для лаборатории, вся репутация которой в 2026 году держится на чекпоинтах 560B под лицензией MIT — Ling-3.1-flash-1019 выпущен 27 октября под MIT объёмом 573.8 ГБ — закрытие флагманской модели является сменой позиции, а не формальностью.

Три числа и сколько они стоят

В анонсе Ant Ling-3.2-flash сравнивается с Opus 5, работающей при максимальном уровне усилий на рассуждение, на трёх оценках. Все три отчёта предоставлены производителем, все три происходят из собственного конвейера выпуска Ant, и ни один не был воспроизведён за его пределами. С этой прочно прикреплённой оговоркой:

• OmniDocBench1.5 — 92,21 у Ling-3.2-flash против 90,56 у Opus 5 (max). Бенчмарк на понимание документов; разрыв в 1,65 балла.

• ZEROBench(Sub) — 43.71 против 39.52. Это самый широкий относительный разрыв из трех — примерно 10,6% — на бенчмарке 3D-сцен.

• Vision2Web — 85,86 против 80,20. Оценка реализации веб-интерфейса по изображению, и та, что наиболее напрямую соотносится с фронтенд-демо, которые Ant опубликовал вместе с ней.

Внимательно прочитайте этот набор: он утверждает нечто более узкое, чем «превосходит Opus 5». Во-первых, все три бенчмарка — визуальные. Ant выбрала три оценки, в которых нативная мультимодальная модель с 25 млрд активных параметров могла правдоподобно превзойти передовую закрытую модель, и не опубликовала ни одного сравнения только по тексту — ни набора тестов на рассуждение, ни набора тестов на программирование, ни агентной задачи в терминале. Во-вторых, два из трёх (ZEROBench и Vision2Web) не являются стандартными инструментами лидерборда с широким участием третьих сторон; читателю трудно легко проверить их на других моделях. В-третьих, «Opus 5 (max)» — это конкретная конфигурация конкретного конкурента, и в объявлении не указаны испытательный стенд, набор промптов или число попыток ни у одной из сторон.

Это не делает числа неверными. Это делает их заявлением вендора о выбранном вендором наборе задач — нормально для запуска продукта и ненормально повторять это как факт. Честная формулировка такова: Ant считает, что Ling-3.2-flash — сильнейшая китайская модель, доступная для задач с документами, 3D и преобразования изображений в код, и опубликовала ровно те доказательства, которые поддерживают это убеждение, и ни одного из доказательств, которые могли бы его проверить.

Где мультимодальность должна оправдать себя

Ant называет четыре области возможностей, и они более конкретны, чем обычный список при запуске. Первая — сложное визуальное понимание: документы с уравнениями и диаграммами, а не подписи к изображениям. Вторая — «мультимодальный агент с длинным горизонтом», что в трактовке Ant означает модель, сохраняющую визуальный контекст на протяжении множества вызовов инструментов. Третья — 3D-понимание и взаимодействие, а четвёртая — медицинская мультимодальная работа.

Демо — самое интересное, потому что они показывают предполагаемую форму использования. В одном Ling-3.2-flash координирует специализированных агентов через общий контекст, чтобы преобразовать финансовые данные Q2 в аналитический отчёт, презентацию для совета директоров из шести слайдов и видео с ключевыми моментами, а затем дорабатывает все три по обратной связи. В другом он управляет Blender через действия в интерфейсе и изменения параметров и превращает инженерные чертежи в 3D-веб-модели. Третий показывает, как он читает headless-рендеры сфер материалов и сравнивает шероховатость, карты нормалей и детализацию бампа, чтобы уточнять собственные скрипты, — цикл визуальной обратной связи, тот же паттерн «наблюдай, действуй, проверяй, корректируй», который Ant встроил в Ling-3.0-flash-VL. Четвёртый читает исследовательские PDF с уравнениями и реализует алгоритмы в коде. Пятый превращает фотографии блюд в недельный пищевой дневник с оценками порций и итоговыми показателями питательных веществ.

Два из этих пяти заслуживают серьёзного рассмотрения как заявления о продукте, а не маркетинг: цикл проверки рендеринга и преобразование чертежа в 3D-модель — оба требуют, чтобы модель смотрела на собственный результат и меняла ход работы, а это единственная способность, которая отличает нативное мультимодальное обучение от прикручивания визуального энкодера к текстовой модели. Работает ли это с заявленным Ant качеством — именно то, что до сих пор не установлено ни одним независимым тестом.

История с доступом — это та часть, у которой есть зубы.

Ling-3.2-flash сегодня доступен тремя способами: чат-продукт Ling Studio, чат-эндпоинт, совместимый с OpenAI, и эндпоинт сообщений, совместимый с Anthropic. Объект thinking задокументирован как поддерживаемый во всей серии 3.0, 3.1 и 3.2: значение enabled используется по умолчанию, а disabled доступен для задач, чувствительных к задержке. Существующие SDK работают при изменении базового URL.

Затем есть операционная реальность, которую Ant описывает на собственной странице ограничений скорости: два запроса в секунду глобально, с ответами 429 при превышении, и 90-секундный тайм-аут для синхронных вызовов при рекомендуемом стриминге. Для чат-продукта это нормально. Для длительных агентных нагрузок, под которые модель явно позиционируется — многошаговые циклы, цепочки инструментов, агенты, которые вызывают модель десятки раз на задачу — два QPS это жёсткий потолок, который будет определять архитектуру сильнее, чем любая цифра бенчмарка. Всем, кто планирует использовать Ling-3.2-flash в качестве основы для агентов, следует прочитать эту страницу раньше страницы с ценами.

С нашей стороны, честная позиция: Ling-3.2-flash сегодня отсутствует в каталоге OrcaRouter. Мы перечитали актуальный список моделей 6 ноября, и он возвращает 215 идентификаторов, среди которых нет ни Ling, ни inclusionAI, ни Ring, ни ERNIE — единственные совпадения по «ling» — это видеомодели Kling. Так что ничто из этого не доступно одним вызовом. А что доступно одним вызовом — если вы рассчитывали на двухнедельное бесплатное окно — так это модели с опубликованными ценами, под которые можно реально закладывать бюджет: Qwen3.8-Flash по $0.15 за миллион входных и $0.47 за миллион выходных, GLM-5.3-Flash по $0.15 и $0.50, и DeepSeek V4.1 Flash по $0.15 и $0.60. Это цены из прайс-листов провайдеров, переданные с нулевой наценкой, поэтому когда поставщик снижает тариф, это отражается на нашей стороне в тот же день, а не после цикла пересмотра цен.

Как выглядит пятнадцатый день

На странице цен Ant сказано, что после промо-периода снова действуют исходные цены, и предлагается «следить за балансом своего аккаунта». И это всё, что раскрыто о ценах для флагманской модели на 560B. Сравните соседние позиции на той же странице: Ling-3.1-flash указана по цене ¥2,00 за миллион входных и ¥6,00 за миллион выходных токенов, со скидкой 75% — до ¥0,50 и ¥1,50; Ling-3.0-flash-VL — по ¥0,50 и ¥1,50, со скидкой 72% — до ¥0,14 и ¥0,42. Если Ling-3.2-flash окажется где-то рядом со своей текстовой версией, это будет примерно $0,30 за миллион входных и $0,90 за миллион выходных токенов по прайс-листу, до скидок, — но это вывод по соседней строке, а не опубликованный тариф, а мультимодальная модель использует токены изображений и видео, стоимость которых Ant вообще не описала.

Итак, решение читателя четко делится по временному горизонту. Если на этой неделе вам нужно провести оценку с большим объемом документов или изображений, Ling-3.2-flash бесплатен, на бумаге выглядит способным и стоит затрат на настройку при смене base-URL. Если вы выбираете опорную модель для продакшена на следующий квартал, вы выбираете модель без опубликованной цены, без независимой оценки, без весов, с ограничением в два запроса в секунду и без запасного пути — и ответственный шаг — провести оценку сейчас, пока это ничего не стоит, и отложить решение об архитектуре до тех пор, пока не появятся прайс-лист и первые сторонние оценки.

Следить нужно не за таблицей лидеров. А за тем, опубликует ли Ant тарифную карту и карточку модели до закрытия бесплатного окна, и получит ли inclusionAI репозиторий 3.2 так же, как получила 3.1. Лаборатория, которая три недели назад выкатила 574 ГБ весов под MIT, а теперь выпускает закрытый флагман, кое-что говорит о том, где находится маржа. Двухнедельный отсчёт — это крайний срок, чтобы решить, верите вы в это или нет.