Ling-3.2-flash：Ant Ling 的原生多模態旗艦以兩週為節奏

Ling-3.2-flash 最具影響力的事實是帳務層面，而且有時效。Ant Ling 於 2026 年 11 月 5 日將該模型放入其 API，並讓前十四天免費；當這個窗口關閉後，「原價」就會恢復——而這些價格廠商尚未公布。因此，以下每一項架構主張的保存期限都很短，且都附帶一個長期存在的問題：到了第十五天，這要花多少錢？Ling-3.2-flash 是 5600 億參數的混合專家模型，每個 token 啟用 250 億參數，具備 100 萬 token 上下文，而且——真正的重點——原生支援圖像、文字與影片輸入，這使它成為首款能「看」而不只是「讀」的 Ling 旗艦模型。其前代 Ling-3.1-flash 僅支援文字。較早的視覺模型 Ling-3.0-flash-VL 則是 124B 的旁支。這是 Ling 產品線頂端與多模態能力首次存在於同一組權重之中。

Ant 自家的變更日誌條目（2.0.6 版，日期為 11 月 5 日）就是發布文件，而且全文只有一句話。同日晚間的 X 公告補充了三個基準測試數字和五支示範影片。沒有技術報告、沒有模型卡、沒有權重，也沒有價目表。這份書面紀錄比 Ling-3.1-flash 在九月拿到的還要單薄，而在我們把任何數字當成既定事實之前，值得把話說清楚。

實際推出了什麼，以及 Ant 尚未說明什麼

四件事今日已有文件記載且可查證。參數數量、啟用參數數量與上下文視窗出現在 Ant 開發者網站的兩處——Ling 模型選擇表，以及「Ling's Evolution」時間軸，後者將 3.2 系列歸在 2026.11 之下。模態支援則見於 API 參考文件：對 Ling-3.2-flash 的請求「原生接受文字、圖像與影片」，靜態圖像使用 image_url 內容區塊，影片使用 video_url 區塊。端點形式是 Ant 已在各處運行的兩種——OpenAI 相容的 chat/completions 與 Anthropic 相容的 messages，兩者皆位於 api.ant-ling.com/v1。

有四件事沒有被記錄下來。定價頁面上任何地方都沒有公布 Ling-3.2-flash 的每百萬 token 價格——表格列出的是 Ling-3.1-flash、Ling-3.0-flash-VL、Ling-3.0-flash 和兩個 Ming 圖像模型，而 Ling-3.2-flash 只出現在宣傳文案中。沒有開放權重：Hugging Face 上的 inclusionAI 組織收錄了 Ling-3.1-flash、Ling-3.1-flash-1019 和一個 Ling-3.1-flash 基礎檢查點，並沒有 3.2 的儲存庫。沒有獨立基準測試。也沒有說明輸出 token 上限，而對於一個主打長篇交付物生成的模型來說，這是真正的遺漏，而非可有可無的細節。

關於權重的那個問題，在社群上留下了清楚的軌跡。Ant 公告底下唯一值得一讀的回覆，是一位使用者實際上在問：它會不會開源。Ant 沒有回答。對一個 2026 年的聲譽完全建立在 MIT 授權的 560B 檢查點上的實驗室來說——Ling-3.1-flash-1019 於 10 月 27 日以 MIT 授權、573.8 GB 的規模發布——把旗艦模型閉源是一種姿態的轉變，而不是形式問題。

這三個數字，以及它們值多少。

Ant 的公告將 Ling-3.2-flash 與 Opus 5 在最高推理強度下於三項評測中的表現進行比較。這三項評測全由廠商自行報告，全都來自 Ant 自家的發布流程，且無一在該流程之外被重現。既然這個標籤已牢牢貼上：

• OmniDocBench1.5 — Ling-3.2-flash 拿下 92.21 分，Opus 5（max）則為 90.56 分。這是一項文件理解基準測試；兩者差距 1.65 分。

• {{1}}ZEROBench(Sub){{/1}} — {{2}}43.71{{/2}} 對比 {{3}}39.52{{/3}}。這是三者中相對差距最大的一項，約 {{4}}10.6%{{/4}}，出現在一項 {{5}}3D{{/5}} 場景基準測試上。

• Vision2Web — 85.86 對上 80.20。這是一項從視覺到網頁實作的評估，也是最直接對應到 Ant 隨之發布的前端示範的一項。

仔細看這組評測，它表達的範圍比「擊敗 Opus 5」更窄。首先，三項基準測試全都屬於視覺評測。Ant 挑選了這三項評測，因為一個擁有 25B 活躍參數的原生多模態模型有可能合理擊敗前沿閉源模型，但 Ant 沒有公布任何純文字比較——沒有推理測試套件、沒有程式設計測試套件，也沒有代理式終端任務。其次，三者中的兩項（ZEROBench 與 Vision2Web）並非具備廣泛第三方參與的標準排行榜工具；讀者無法輕易拿它們與其他模型做基本核對。第三，「Opus 5 (max)」是某個特定競爭對手的特定配置，而公告並未說明雙方的評測框架、提示詞集或嘗試次數。

那並不會讓這些數字變錯。它會讓它們成為廠商針對廠商自選任務集所做的宣稱；對產品發布來說，這是正常的事，但把它當成事實來重複，就不正常了。誠實的總結是：Ant 認為 Ling-3.2-flash 是文件、3D 與視覺轉程式碼任務上現有最強的中文模型，而且它只公布了支持這個信念的證據，完全沒有公布能檢驗這個信念的證據。

多模態理應發揮效益之處

Ant 點名了四個能力領域，而且比常見的發布清單更為具體。第一是複雜視覺理解——處理含有方程式與圖表的文件，而非圖片描述。第二是「多模態長程 Agent」，在 Ant 的框架裡，這指的是模型能在多次工具呼叫之間持續維持視覺脈絡。第三是 3D 理解與互動，第四則是醫療多模態工作。

這些展示有趣的部分，在於它們展現了預期的使用型態。在其中一個展示中，Ling-3.2-flash 透過共享上下文協調專家代理，將 Q2 財務資料轉換成一份分析報告、一份六頁的董事會簡報和一支精華影片，然後根據回饋修訂這三項成果。在另一個展示中，它透過 UI 操作和參數變更驅動 Blender，並將工程圖轉換為 3D 網頁模型。第三個展示顯示它讀取材質球體的無頭渲染，並比較粗糙度、法線貼圖和凹凸細節，以改進自己的腳本——這是一個視覺回饋迴圈，也就是 Ant 內建於 Ling-3.0-flash-VL 的同一套「觀察、行動、驗證、修正」模式。第四個展示會讀取含有方程式的研究 PDF，並用程式碼實作這些演算法。第五個展示則將餐點照片轉換成每週飲食日誌，包含份量估算和營養素總計。

這五項中有兩項值得當作產品主張而非行銷話術來認真看待：渲染檢查迴圈與圖紙轉 3D 轉換，兩者都要求模型檢視自己的輸出並改變做法，而這正是區分原生多模態訓練與把視覺編碼器硬接到文字模型上的關鍵能力。它是否能達到 Ant 聲稱的品質，正是目前尚無獨立測試能證實的事。

真正有殺傷力的，是關於存取權限的那套說法。

Ling-3.2-flash 目前可透過三種方式存取：Ling Studio 聊天產品、OpenAI 相容的聊天端點，以及 Anthropic 相容的 messages 端點。文件記載 thinking 物件在 3.0、3.1 與 3.2 系列中皆受支援，預設為 enabled，延遲敏感的工作則可使用 disabled。現有 SDK 只需變更 base URL 即可運作。

接著是 Ant 在其自家的速率限制頁面上所記載的營運現實：全域每秒兩次查詢，超過就會出現 429，而同步呼叫有 90 秒逾時，並建議採用串流。對聊天產品來說，這沒問題。但對這款模型明確鎖定的長時程代理工作負載——多步驟迴圈、工具鏈、每項任務會呼叫模型數十次的代理——每秒兩次查詢是硬性上限，其對架構的形塑程度將超過任何基準測試數字。任何打算把 Ling-3.2-flash 當作代理骨幹來運行的人，都應該先讀那個頁面，再去看定價頁。

就我們自身的情況而言，老實說：Ling-3.2-flash 目前並不在 OrcaRouter 的目錄上。我們在 11 月 6 日重新讀取了即時模型清單，它回傳 215 個識別碼，其中沒有任何一個是 Ling、inclusionAI、Ring 或 ERNIE——唯一對得上「ling」的是 Kling 影片模型。所以這裡沒有任何東西是只要一次呼叫就能取得的。如果你原本指望的是那兩週的免費窗口，那麼只要一次呼叫就能取得的，是那些有公開價格、你可以實際據以編列預算的模型：Qwen3.8-Flash 每百萬輸入 0.15 美元、每百萬輸出 0.47 美元，GLM-5.3-Flash 為 0.15 與 0.50 美元，以及 DeepSeek V4.1 Flash 為 0.15 與 0.60 美元。這些都是供應商牌價以零加價直接轉出的價格，因此當廠商調降費率時，當天就會反映到我們這邊，而不是等到一個重新定價週期之後。

第十五天會是什麼樣子

Ant 的定價頁面表示，促銷期結束後將恢復原價，並請你「留意你的帳戶餘額」。這就是一款 560B 旗艦模型的全部定價揭露。比較同一頁面上的鄰近項目：Ling-3.1-flash 列為每百萬 token 輸入 ¥2.00、輸出 ¥6.00，經 75% 折扣後為 ¥0.50 與 ¥1.50；Ling-3.0-flash-VL 為 ¥0.50 與 ¥1.50，經 72% 折扣後為 ¥0.14 與 ¥0.42。如果 Ling-3.2-flash 的價格落在其純文字同系列模型附近，那麼按牌價、折扣前計算，大約是每百萬輸入 token $0.30、每百萬輸出 token $0.90——但這是從鄰近列推斷而來，並非已公布的費率，而且多模態模型還包含圖像與影片 token，Ant 完全未說明其定價。

所以，讀者的決策會依時間線清楚分成兩種。如果你這週要執行偏重文件或偏重視覺的評估，Ling-3.2-flash 免費、帳面能力不錯，值得付出更改 base-URL 的設定成本。如果你是在為下一季挑選正式生產環境的骨幹模型，那你選的是一個沒有公布價格、沒有獨立評分、沒有權重、每秒最多兩個請求，而且沒有備援路徑的模型——負責任的做法是現在趁它不花錢時先做評估，並把架構決策延後到價目表和第一批第三方評分出爐之後。

真正該留意的不是排行榜，而是 Ant 是否會在免費窗口關閉前公布費率卡與模型卡，以及 inclusionAI 是否會像拿到 3.1 那樣拿到 3.2 的儲存庫。一個三週前才釋出 574 GB MIT 授權權重的實驗室，如今卻推出封閉式旗艦模型，這是在告訴你利潤究竟在哪裡。這兩週的倒數，就是讓你決定是否相信這件事的最後期限。