Ling-3.2-flash vs Ling-3.1-flash: Samma 560B-skelett, ett nytt sinne, inga nya vikter

Ant Lings egen avvecklingssida gör beslutet kring Ling-3.2-flash svårare än vad lanseringsinlägget gör. Tre äldre modeller – Ling-2.6-1T, Ring-2.6-1T och Ling-2.6-flash – avvecklas den 15 november 2026, och den rekommenderade ersättaren för alla tre är Ling-3.1-flash. Så samma dag som Ling-3.2-flash lanserades hade dess föregångare just utsetts till den officiella landningszonen för alla team som migrerar från 2.6-generationen. De teamen måste nu välja mellan modellen som Ant sade att de skulle flytta till och modellen som Ant annonserade samma vecka. De två har samma parameterantal, samma kontextfönster och samma API-yta – och skiljer sig på exakt en axel som spelar roll, plus en som spelar större roll: Ling-3.2-flash ser, Ling-3.1-flash läser, och Ling-3.1-flash är den du kan ladda ner.

Det är jämförelsen som är värd att göra, och det är inte den som lanseringsbevakningen gjorde. Ling-3.2-flash vinner på kapacitet. Ling-3.1-flash vinner på allt ett produktionsteam behöver för att kunna satsa: ett publicerat pris, MIT-licensierade vikter och en oberoende poäng som du kan kontrollera – även om den poängen sedan dess har dragits tillbaka från leaderboarden där den fanns.

Vad är genuint identiskt

Börja med de delar som Ant inte ändrade, eftersom de avgör hur mycket arbete en migrering faktiskt innebär.

• Storlek — båda har totalt 560B parametrar med 25B aktiva per token. Ants tabell för modellval visar samma två siffror på båda raderna.

• Kontext — båda har ett fönster på 1M tokens. Ling-3.0-flash, en nivå lägre, är begränsad till 256K, så 1M är nu flaggskeppsbaslinjen snarare än en huvudnyhet.

• Anropsyta – båda tillhandahålls på api.ant-ling.com/v1 via en OpenAI-kompatibel chat/completions-slutpunkt och en Anthropic-kompatibel messages-slutpunkt. Båda accepterar thinking-objektet med enabled eller disabled; Ants referens listar 3.0-, 3.1- och 3.2-serierna på samma sätt.

• Härstamning — samma hybridlinjära MoE-familj, samma KDA-till-gated-MLA-attentionsrecept som Ant introducerade i 3.0 och förfinade i 3.1, samma topologi med 512 routade experter som den öppna 3.1-checkpointen.

• Hastighetsbegränsningar – samma globala tak på två frågor per sekund med 429-svar ovanför det, och samma synkrona timeout på 90 sekunder där strömning rekommenderas. En ny modell ger dig inte högre genomströmning.

Så en migrering från Ling-3.1-flash till Ling-3.2-flash är en ändring av modellsträngen plus det du gör annorlunda med bilder. Det finns inget nytt SDK, ingen ny endpoint, ingen ny autentisering.

Vad som faktiskt förändrades: modellen lärde sig att titta

Ling-3.1-flash är text in, text ut. Det är inte en begränsning som Ant har dolt – leverantörens egen urvalsguide positionerar den för kontorsarbete, långsiktig mjukvaruutveckling och komplexa agentuppgifter, och lanseringsmaterialet från 2026 var fullt av tekniska benchmarktester: en port av en Lua-till-x86-64-ELF-kompilator, en Pyright-konformansrunda, en nyimplementering i Rust, en patch för OceanBase-parsern. Det var en modell för personer som skriver kod för sitt levebröd.

Ling-3.2-flash ompositioneras nu kring fyra visuella förmågor: komplex visuell förståelse, multimodala agenter med lång horisont, 3D-förståelse och interaktion samt medicinskt multimodalt arbete. API-referensen anger uttryckligen att en förfrågan till Ling-3.2-flash ”inbyggt tar emot text, bilder och videor”, med image_url-block för stillbilder och video_url-block för video. Demonstrationerna som Ant publicerade visar vad det används till: att läsa headless-renderingar av materialsfärer och jämföra råhets- och normalmappar för att förfina ett skript; att styra Blender genom UI-åtgärder; att omvandla tekniska ritningar till 3D-webbmodeller; att göra om forsknings-PDF:er med ekvationer till fungerande kod; att uppskatta portioner och kalorier från måltidsfoton.

Ants tre benchmarks för lanseringen är alla visuella och alla rapporterade av leverantören. OmniDocBench1.5 på 92,21 mot 90,56 för Opus 5 med maximal ansträngning; ZEROBench(Sub) på 43,71 mot 39,52; Vision2Web på 85,86 mot 80,20. Påståendet de stöder är snävt och specifikt: inom dokumenttolkning, 3D-scenresonemang och vision-till-webb-implementering anser Ant att den nya modellen slår en sluten modell i frontlinjen. Ingen av de tre säger något om textresonemang, och Ant publicerade inget textbenchmark alls – vilket i sig är en signal, med tanke på att lanseringen av Ling-3.1-flash nästan helt bestod av textbenchmarks.

Om din arbetsbelastning är text, är den ärliga tolkningen att Ling-3.2-flashs fördel gentemot Ling-3.1-flash inte är uppmätt. Om din arbetsbelastning innebär att titta på något, är det själva poängen.

Prisfrågan är där de två skiljer sig mest.

Ling-3.1-flash har en publicerad prislista som för närvarande är rabatterad. Ants prissida listar den på ¥2,00 per miljon indatatoken och ¥6,00 per miljon utdatatoken, nedsatt med 75 % till ¥0,50 och ¥1,50, med cacheläsningar på ¥0,40 som faller till ¥0,10. USD-kolumnen som Ant publicerar för tredjepartsplattformar visar $0,30 och $0,90 vid listpris, rabatterat till $0,075 och $0,225.

Ling-3.2-flash har ingen prislista alls. Prissidan listar Ling-3.1-flash, Ling-3.0-flash-VL, Ling-3.0-flash och två Ming-bildmodeller; Ling-3.2-flash förekommer endast i en kampanjbanner: "gratis under de första två veckorna efter lansering", med ursprungliga priser som återupptas därefter och en uppmaning att hålla koll på ditt kontosaldo. Inget indatapris, inget utdatapris, inget cachepris och – mer betydelsefullt för en multimodell modell – ingen publicerad hantering av bild- eller videotokens.

För den som planerar kapacitet är det den avgörande asymmetrin. En modell som du inte kan prissätta är en modell som du inte kan lägga in i en budget, och en bildmodell vars redovisning av bildtoken är odokumenterad är en modell vars kostnad du inte ens kan uppskatta utifrån dess textpris. Det kostnadsfria fönstret stänger omkring den 19 november, fem dagar innan Ant-utfasningsvågen landar den 15:e. Team som migrerar bort från Ling-2.6 kommer att möta båda datumen inom samma tvåveckorsperiod.

Vikter: föregångaren är öppen, efterföljaren är det inte.

Det här är delen som vänder på den intuitiva ordningen. Den äldre modellen är den som har nedladdningsbara vikter.

Hugging Face-repositoriet inclusionAI/Ling-3.1-flash är MIT-licensierat och innehåller 572 120 680 768 byte safetensors – ungefär 572 GB – senast ändrat 3 november 2026. Syskonet Ling-3.1-flash-1019, efterträningsrevisionen som Ant släppte i slutet av oktober, är också MIT-licensierat och har 54 FP8-shards på cirka 573,8 GB. Båda är den fullständiga checkpointen, inte adaptrar, och båda kräver trust_remote_code på grund av den anpassade modelleringskoden BailingMoeV3ForCausalLM.

Ling-3.2-flash har inget kodförråd. inclusionAI-organisationens senaste listning omfattar Ling-3.1-flash-1019, Ling-3.1-flash, en bascheckpunkt, ZwZ2-visionmodellerna och Ming-ljudmodellerna – ingen 3.2-post. Under Ants tillkännagivande är det mest gillade svaret en användare som önskar att det vore öppen källkod, och Ant har inte svarat.

Så de två modellerna byter plats beroende på vad du behöver. Om du vill köra en 560B MoE på din egen hårdvara, utvärdera den offline, finjustera den eller helt enkelt inte vara beroende av en leverantörs drifttid, är Ling-3.1-flash tillgänglig under villkor som tillåter allt detta, och Ling-3.2-flash är det inte. Om du vill ha den bättre multimodala modellen och nöjer dig med att hyra den, blir ordningen den omvända.

De oberoende poängen, sådana de nu är

Artificial Analysis byggde om sitt Intelligence Index till v5.0.1 i slutet av oktober, och ombyggnaden lämnade de två Ling-modellerna i olika lägen. I dag innehåller sidan för Ling 3.1 Flash ingen siffra för Intelligence Index alls – rutan visar N/A, tillsammans med N/A för tid per indexuppgift, kostnad per indexuppgift och utdatatokens. Sidan för Ling 3.1 Flash 1019 har däremot en aktuell poäng på 30 i v5.0.1, med $3.19 i viktad kostnad per indexuppgift och 240M genererade utdatatokens.

Det där 30 är inte jämförbart med någon Ling-siffra före ombyggnaden. Enligt den tidigare bedömningsmallen fick Ling-3.1-flash-1019 44; v5-mallen är svårare, viktar 60 % av det sammansatta måttet mot privata och undanhållna datamängder, och den flyttade ner de flesta modeller. Förskjutningen från 44 till 30 är en ompoängsättning, inte en regression.

Ling-3.2-flash har ingen Artificial Analysis-sida alls. Det finns inga tredjepartssiffror, ingen hastighetsmätning, ingen uppskattning av kostnad per uppgift. De enda siffror som existerar är Ants tre visuella benchmarks.

Hur man bestämmer

Beslutsregeln som följer av allt ovan är ovanligt tydlig, eftersom de två modellerna egentligen inte är utbytbara mot varandra.

Håll dig till Ling-3.1-flash om din arbetsbelastning är text och din tidslinje är produktion. Du får ett publicerat rabatterat pris, MIT-vikter som du kan hosta själv, en oberoende poäng på 30 enligt den aktuella bedömningsramen för 1019-versionen och Ants egen rekommendation som ersättning för tre modeller som fasas ut. Inget hos Ling-3.2-flash förbättrar något av detta för textarbete, förutom en omätt möjlighet.

Byt till Ling-3.2-flash om arbetet involverar bilder, video, dokument med layout, 3D eller skärmbilder. Det är en förmåga som Ling-3.1-flash helt enkelt inte har, och det är det enda skälet att acceptera ett opublicerat pris och slutna vikter. Kör din utvärdering under den kostnadsfria perioden – integrationen är ett byte av modellsträng i ett SDK som du redan har – och behandla allt du bygger på det före 19 november som en pilot snarare än ett åtagande.

Kör båda om du har blandad trafik. Skicka det visuella arbetet till 3.2 och textarbetet till 3.1, vilket är vad uppdelningen på två modeller faktiskt är till för, och notera att Ants hastighetsgräns är global per konto snarare än per modell — taket fördubblas inte bara för att du anropar två modeller.

Var en router passar in, och var den inte gör det

För att vara precis om vår egen position, eftersom det är lätt att antyda mer: varken Ling-3.2-flash eller Ling-3.1-flash finns i OrcaRouters katalog. Vi läste om den aktuella modellistan den 6 november och den returnerar 215 identifierare utan någon post för Ling, inclusionAI, Ring eller ERNIE – de enda "ling"-träffarna är Kling-videomodeller. Så inget i den här jämförelsen går att nå med ett enda anrop i dag.

Det en router ger dig här är utvägen snarare än ingången. Ants hastighetsgräns är två frågor per sekund och konto; en global begränsare på en 560B-flaggskeppsmodell är precis det läge där failover gör nytta, och det praktiska sättet att köra Ling-3.2-flash i en agentloop är att sätta en andra leverantör bakom den i stället för att köa bakom en 429. Hos oss är den andra leverantören en modell med ett publicerat pris på samma nyckel: Qwen3.8-Flash till $0,15 per miljon indata och $0,47 per miljon utdata för visionsarbete, eller DeepSeek V4.1 Flash till $0,15 och $0,60 samt GLM-5.3-Flash till $0,15 och $0,50 för text. Priserna är leverantörens listpriser som skickas vidare utan påslag, så en leverantörsprissänkning slår igenom samma dag i stället för efter en omprissättningscykel. Routnings-DSL:en komponerar flera modeller till ett anrop, vilket är hur uppdelningen ovan blir en enda slutpunkt i stället för två integrationer.

Vad skulle avgöra det?

Tre publikationer skulle förvandla detta från en bedömningsfråga till en specifikationsjämförelse. En prislista för Ling-3.2-flash, inklusive hur bild- och video-tokens räknas. Ett Ling-3.2-flash-repositorium under samma MIT-villkor som sin föregångare, vilket skulle få den äldre modellens främsta fördel att försvinna över en natt. Och en benchmarktabell för enbart text – en svit för resonemang, en för kodning – som skulle visa oss om 3.2-generationen förbättrade det som 3.1 byggdes för, eller bara tillförde den ett sinne.

Fram till dess är ordningen: Ling-3.2-flash är den bättre modellen, och Ling-3.1-flash är det bättre valet. Ant släppte de två med fem veckors mellanrum – Ling-3.1-flash den 30 september 2026, Ling-3.2-flash den 5 november – och bara en av dessa två modeller har ett pris angivet.