Ling-3.2-flash：Ant Ling 原生多模态旗舰以两周为周期运行

Ling-3.2-flash 影响最大的事实与计费有关，而且是有期限的。Ant Ling 于 2026 年 11 月 5 日将该模型接入其 API，并在此后前十四天免费提供；窗口期一结束，“原价”便恢复生效——而这些价格厂商尚未公布。因此，下文的每一项架构层面的说法都有很短的保质期，并附着一个长期悬置的问题：到第十五天，这要花多少钱？Ling-3.2-flash 是一个 5600 亿参数的混合专家模型，每个 token 激活 250 亿参数，支持 100 万 token 上下文，而真正的新闻在于——原生支持图像、文本和视频输入，这使它成为 Ling 系列首个“能看”而不只是“能读”的旗舰型号。它的前代 Ling-3.1-flash 仅支持文本。更早的视觉模型 Ling-3.0-flash-VL 是一个 124B 的旁支。这是 Ling 系列顶端与多模态能力首次落在同一套权重之中。

Ant 自己的更新日志条目（版本 2.0.6，日期为 11 月 5 日）就是发布文档，而且只有一句话。当晚的 X 公告补充了三个基准测试数字和五段演示视频。没有技术报告，没有模型卡，没有权重，也没有价目表。这比 Ling-3.1-flash 在 9 月得到的书面记录还要单薄，在我们将任何数字视为既定事实之前，这一点值得直说。

实际交付了什么，以及 Ant 尚未说明的部分

目前有四件事已有文档记录且可核查。参数数量、激活数量和上下文窗口出现在 Ant 开发者网站的两个地方——Ling 模型选择表和“Ling's Evolution”时间线，后者将 3.2 系列归在 2026.11 下。模态支持出现在 API 参考中：向 Ling-3.2-flash 发出的请求“原生接受文本、图像和视频”，静态图像使用 image_url 内容块，视频使用 video_url 块。端点形态是 Ant 已在各处运行的那两种——OpenAI 兼容的 chat/completions 和 Anthropic 兼容的 messages，二者均位于 api.ant-ling.com/v1。

有四件事没有文档说明。定价页面上任何地方都没有公布 Ling-3.2-flash 的每百万 token 价格——表格列出的是 Ling-3.1-flash、Ling-3.0-flash-VL、Ling-3.0-flash 和两个 Ming 图像模型，而 Ling-3.2-flash 只出现在宣传语中。没有开放权重：Hugging Face 上的 inclusionAI 组织有 Ling-3.1-flash、Ling-3.1-flash-1019 和一个 Ling-3.1-flash 基础检查点，没有 3.2 仓库。没有独立基准测试。而且没有说明输出 token 上限，对于一个主打生成长篇交付物的模型来说，这是真正的遗漏，而不是脚注。

权重问题有可见的社交痕迹。Ant 公告下唯一值得一读的回复，是一位用户实际上在问它是否会开源。Ant 尚未回应。对于一个整个 2026 年的声誉都建立在 MIT 许可的 560B 检查点之上的实验室——Ling-3.1-flash-1019 于 10 月 27 日以 MIT 许可发布，大小为 573.8 GB——将旗舰模型闭源是一种姿态转变，而非例行公事。

这三个数字，以及它们的价值

Ant 的公告将 Ling-3.2-flash 与以最高推理强度运行的 Opus 5 在三项评估上进行了比较。这三项均为厂商自报，均来自 Ant 自己的发布流水线，且没有一项在其外部得到复现。在此标签被牢牢贴上的前提下：

• OmniDocBench1.5——{{1}}Ling-3.2-flash 得分 92.21，而 Opus 5（max）为 90.56{{/1}}。这是一项文档理解基准测试；{{2}}分差为 1.65 分{{/2}}。

• ZEROBench(Sub) — 43.71 对 39.52。这是三者中相对差距最大的，约为 10.6%，出现在一个 3D 场景基准上。

• Vision2Web — 85.86 对 80.20。一项从视觉到网页实现的评估，也是与 Ant 同期发布的前端演示最直接对应的一项评估。

仔细阅读这套结果会发现，它的表述比“击败 Opus 5”更狭窄。第一，三项基准全是视觉基准。Ant 挑选了三个评估，在这些评估中，一个激活参数为 25B 的原生多模态模型有可能击败前沿闭源模型，而且没有发布任何纯文本对比——没有推理套件、没有编程套件、没有智能体终端任务。第二，三项中有两项（ZEROBench 和 Vision2Web）并非有广泛第三方参与的标准排行榜工具；读者很难轻易用其他模型对它们做合理性核验。第三，“Opus 5 (max)”是某个特定竞争对手的特定配置，而公告没有说明双方的测试框架、提示集或尝试次数。

这并不能说明这些数字是错的。这只能说明它们是一家厂商就其自行选定的任务集所作的主张；对于一次发布来说，这很正常，但把它当作事实来复述就不正常了。诚实的总结是：Ant 认为 Ling-3.2-flash 是在文档、3D 和视觉转代码任务上可用的最强中文模型，并且只公布了支持这一看法的证据，而没有公布任何能够检验它的证据。

多模态性理应发挥作用的地方

Ant 列出了四个能力领域，它们比通常的发布清单更为具体。第一个是复杂视觉理解——针对包含公式和图表的文档，而不是图像描述。第二个是“多模态长时程 Agent”，在 Ant 的表述中，这意味着模型能在多次工具调用中保持视觉上下文不丢失。第三个是 3D 理解与交互，第四个是医疗多模态工作。

演示最有趣的地方在于它们展示了预期的使用形态。在其中一个演示中，Ling-3.2-flash 在共享上下文上协调专家智能体，将第二季度财务数据转换为一份分析报告、一份六页的董事会演示文稿和一段亮点视频，然后根据反馈对这三项内容进行修订。在另一个演示中，它通过 UI 操作和参数更改来驱动 Blender，并将工程图纸转化为 3D 网页模型。第三个演示展示它读取材质球的无头渲染结果，并比较粗糙度、法线贴图和凹凸细节，以改进自己的脚本——这是一个视觉反馈循环，也就是 Ant 内置于 Ling-3.0-flash-VL 的同一套“观察、行动、验证、纠正”模式。第四个演示读取带有公式的研究 PDF，并用代码实现这些算法。第五个演示将餐食照片转化为每周饮食日志，包含份量估算和营养总量。

这五项中有两项作为产品主张而非营销说辞值得认真对待：渲染检查循环和绘图转3D都要求模型查看自己的输出并调整方向，而这正是区分原生多模态训练与给文本模型外挂视觉编码器的唯一能力。它是否能达到Ant所宣称的质量，恰恰是尚无独立测试证实的事情。

准入叙事才是真正有约束力的部分。

Ling-3.2-flash 目前可通过三种方式访问：Ling Studio 聊天产品、OpenAI 兼容的聊天端点，以及 Anthropic 兼容的 messages 端点。文档说明，thinking 对象在 3.0、3.1 和 3.2 系列中均受支持，默认启用 enabled，而对延迟敏感的工作可使用 disabled。现有 SDK 只需更改 base URL 即可使用。

然后是 Ant 在其自己的速率限制页面上记录的操作现实：全球范围内每秒两次查询，超过该限制会返回 429；同步调用有 90 秒超时，并建议使用流式传输。对于聊天产品来说，这没问题。但对于该模型明确瞄准的长周期智能体工作负载——多步循环、工具链、每个任务中会调用模型数十次的智能体——两 QPS 是一个硬性上限，它对架构的塑造将超过任何基准测试数字。任何计划将 Ling-3.2-flash 作为智能体骨干运行的人，都应该先读那一页，再读定价页。

就我们这边而言，实话实说：Ling-3.2-flash 目前不在 OrcaRouter 目录中。我们在 11 月 6 日重新读取了实时模型列表，它返回 215 个标识符，其中没有 Ling、inclusionAI、Ring 或 ERNIE——唯一匹配 “ling” 的是 Kling 视频模型。因此，这里没有任何模型只需一次调用即可使用。如果你原本指望的是那两周免费窗口，那么真正只需一次调用即可使用的是那些有公开价格、你可以实际据此做预算的模型：Qwen3.8-Flash，每百万输入 $0.15，每百万输出 $0.47，GLM-5.3-Flash 分别为 $0.15 和 $0.50，DeepSeek V4.1 Flash 为 $0.15 和 $0.60。这些是供应商标价，按零加价直通，因此当供应商下调价格时，当天就会体现在我们这边，而不是等到重新定价周期之后。

第十五天是什么样子

Ant 的定价页面称，促销期结束后将恢复原价，并让你“留意你的账户余额”。对于一个 560B 旗舰模型来说，这就是全部定价披露。对比同一页面上的相邻条目：Ling-3.1-flash 标价为每百万 token 输入 ¥2.00、输出 ¥6.00，折扣 75% 后为 ¥0.50 和 ¥1.50；Ling-3.0-flash-VL 为 ¥0.50 和 ¥1.50，折扣 72% 后为 ¥0.14 和 ¥0.42。如果 Ling-3.2-flash 的定价与它的纯文本同系列模型相近，那么按标价、折扣前粗略计算，约为每百万输入 token $0.30、每百万输出 token $0.90——但这是根据相邻行推断的，并非已公布的费率；而且多模态模型还包含图像和视频 token，Ant 完全没有说明这些 token 的定价。

因此，读者的决定完全可以按时间线来划分。如果你本周要运行一个文档密集型或视觉密集型评估，Ling-3.2-flash 是免费的、纸面能力不错，值得为它付出修改 base-URL 的搭建成本。如果你是在为下个季度选择生产主干模型，那你选的这个模型没有公布价格、没有独立评分、没有权重、每秒最多两次请求的上限，而且没有回退路径——负责任的做法是趁现在还不花钱先把评估跑起来，把架构决策推迟到价格表和首批第三方评分出来之后。

值得关注的不是排行榜。而是 Ant 是否会在免费窗口关闭前发布价目表和模型卡，以及 inclusionAI 是否能像拿到 3.1 仓库那样拿到 3.2 仓库。一个三周前发布了 574 GB 的 MIT 权重、如今却发布闭源旗舰模型的实验室，正在告诉你利润空间在哪里。这两周的倒计时，就是决定你是否相信它的截止期限。