Ling 3.2 Flash：一款每次觀看 30 秒的 560B 多模態旗艦

Ling 3.2 Flash 是 Ant Ling 推出的 5600 億參數混合專家模型，每個 token 啟用 250 億參數，上下文視窗達 100 萬 token，而且——這正是它存在的理由——它原生支援圖像與影片輸入，而不是把視覺編碼器硬接到文字模型上。它於 2026 年 11 月 5 日上線到 Ant 的 API。九天後，有趣的問題不再是它是什麼，因為規格表已經公開而且簡短。問題在於規格表漏掉了什麼，而它漏掉的第一件事，就是大家興奮不已的影片理解只到三十秒、每次請求一個片段、取樣三十二個影格。

{{1}}那不是腳註。{{/1}} {{2}}Ant Ling 自家的多模態指南——也就是記載如何呼叫 Ling 3.2 Flash 的頁面——把影片上限設為時長不超過三十秒、每次請求僅限一支影片、固定 2fps 取樣率且最多 32 幀，以及 base64 字串上限為 32 MiB。{{/2}} {{3}}同一份限制條款也規範 Ling-3.0-flash-VL，因此其中有些是繼承而來的基礎管線，而非專為此模型所做的決定，但這就是呼叫者得到的內容。{{/3}} {{4}}如果你對原生多模態模型的賣點是「能在多次工具呼叫之間持續保有視覺脈絡的長程代理」，那麼三十秒的短片與每次請求僅一支影片，才是限制架構的數字，而不是基準測試表。{{/4}}

用你可以查證的數字，說明這個模型是什麼

參數與視窗出現在 Ant 開發者網站的兩個地方：Ling 模型選擇表，其中 Ling 3.2 Flash 排在 Ling-3.1-flash 上方，兩者具有完全相同的 560B / 25B / 1M 資料列，但定位描述不同；以及「Ling's Evolution」時間軸，該時間軸將 3.2 系列歸在 2026.11 之下。定位描述才是實際差異：3.1 被描述為適用於辦公工作、長時程軟體開發與代理任務的混合推理模型；3.2 則被描述為原生多模態模型，聚焦於複雜視覺理解、多模態長時程代理、3D 理解與互動，以及醫療多模態工作。相同的骨架，新增一種意義。

• 總參數量 — Ling 3.2 Flash 為 560B，僅有同為 560B 的純文字兄弟模型 Ling-3.1-flash 能與之匹敵；其視覺前代模型 Ling-3.0-flash-VL 則為 124B。

• 每個 token 的啟用參數 — 25B，相較於 Ling-3.0-flash-VL 的 5.5B 與 Ling-3.1-flash 的 25B。

• 上下文視窗 — 100 萬個 token，是 Ling-3.0-flash-VL 與 Ling-3.0-flash 所提供的 256K 的四倍。

• 模態——文字、影像與影片輸入，文字輸出，視覺與語言在架構本身中結合，而非透過外部模組進行路由。

• 端點形式 — OpenAI 相容的 chat/completions 與 Anthropic 相容的 messages，兩者皆位於 api.ant-ling.com。

端點形態帶來的實際影響是：現有整合只要變更 base-URL 與模型字串即可遷移。Ant 為每個 Ling 模型提供相同的兩種格式，而多模態指南顯示靜態圖片使用 image_url 內容區塊、影片使用 video_url 區塊，兩者都僅支援 base64——文件中並未記載任何可從 URL 抓取內容的途徑，這是正式環境整合在接觸基準測試之前會先遇到的第二項限制。

價格仍未公佈，而計時器上還剩五天。

這是你在開始建置任何東西之前值得先檢查的部分。Ant 的定價頁面——最後更新於 2026 年 11 月 5 日，也就是發布當天——列有 Ling-3.1-flash、Ling-3.0-flash-VL、Ling-3.0-flash 和兩個 Ming 影像模型的資料列。它沒有 Ling 3.2 Flash 的資料列。該模型在該頁面上僅出現一次，位於一則宣傳文字中：發布後前兩週免費。

從11月5日起算，那個窗口大約在11月19日關閉。今天大約還剩五天。當它關閉時，頁面寫道將恢復原價，並要求你留意自己的餘額，而這就是一款 560B 旗艦機的全部定價揭露。

你能做的，是根據上一列的數字來界定這個數字。Ling-3.1-flash 的標價為每百萬輸入 token ¥2.00、每百萬輸出 token ¥6.00，經 75% 折扣後降至 ¥0.50 與 ¥1.50，快取讀取則為 ¥0.40，降至 ¥0.10。換算標價數字後，純文字 Ling 旗艦模型大約是每百萬 token $0.28 輸入、$0.85 輸出；折扣後費率則落在約 $0.07 與 $0.21。如果 Ling 3.2 Flash 的定價與同系列兄弟模型相同，大概就是這個區間。這是從相鄰一列推斷出來的，並非官方公布的費率；而且多模態模型會涉及圖像與影片 token，Ant 完全沒有說明其定價——一段 30 秒、2fps 的短片是 32 幀，而沒有頁面告訴你這 32 幀要多少錢。

那個落差對任何編列預算的人都有具體後果：你無法像對有價目表的模型那樣，回答「Ling 3.2 Flash 執行這項任務要多少成本」。你可以在 11 月 19 日之後回答，或者現在趁計費器未開啟時跑完評估來回答——這正是對一個沒有公布價格的模型提供十四天免費窗口的合理解讀。

三個基準測試數字，全部都是 Ant 的

Ant 的公告在三項評估中，將 Ling 3.2 Flash 與以最高推理力度運行的 Opus 5 進行比較。這三項評估皆由廠商自行回報，且出自 Ant 自家的發布流程，外界均未重現過。在附上此標籤的前提下：

• OmniDocBench1.5 — Ling 3.2 Flash 的 92.21 對上 Opus 5（max）的 90.56，在文件理解上相差 1.65 分。

• ZEROBench(Sub) — 43.71 對上 39.52，在 3D 場景基準測試中相對差距最大，約 10.6%。

• Vision2Web — 85.86 對 80.20，一項從視覺到網頁實作的評測。

讀完這組評測，它傳達的訊息比「擊敗 Opus 5」狹窄得多。三項基準測試全是視覺類。Ant 挑選的是具 25B 活躍參數的原生多模態模型有可能擊敗前沿閉源模型的三項評測，而且未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、沒有代理式終端任務，而這正是同實驗室 Ling-3.1-flash 的定位所在。三項中的兩項——ZEROBench 與 Vision2Web——並非有廣泛第三方參與的評量工具，因此讀者無法拿其他模型來對照檢核。而「Opus 5 (max)」只是某一個競爭對手的一種組態，且雙方都未說明測試框架、提示集或嘗試次數。

此外，也沒有這款模型的獨立分數可與它們並列。通常擔任中立裁判的 Artificial Analysis，截至 11 月 14 日仍沒有 Ling 3.2 Flash 的頁面——該 URL 傳回 404——而這個系列中最接近的，是其純文字的同系列模型。Ling 3.1 Flash 1019 在現行 v5.0.1 Intelligence Index 上得分 29.6，輸入每百萬 token 為 $0.30、輸出每百萬 token 為 $0.90。那是真實的獨立數字，而且屬於前一款模型，不是這一款。

輸入限制才是真正的產品規格

Ant 記錄了 Ling 3.2 Flash 的四個能力領域，範圍比常見的發布清單更窄：複雜視覺理解（含方程式與圖表的文件，而非圖說生成）、能在多次工具呼叫之間維持視覺脈絡的多模態長程代理、3D 理解與互動，以及醫療多模態工作。這些示範正好對應上述領域——讀取材質球體的無頭渲染結果並比較粗糙度，以改進自身腳本；將工程圖轉換為 3D 網頁模型；協調多個專家代理透過共享視覺脈絡合作，從同一批第二季資料產出報告、簡報與精華影片。

然後你讀到這些限制，就會開始覺得那些示範像是在限制之內打造出來的，而不是繞著限制打造。一個會檢視自身渲染結果的視覺回饋迴圈，在影格上很便宜：每回合一張影像，每次請求最多四十張影像，每張低於 16384×784 像素。一個能把會議錄音保留在上下文中的長時程代理則不然，因為錄音上限是三十秒與三十二幀。這兩項限制合在一起，描述的是一個為「許多短暫觀察世界」而打造的模型，而不是為「一次長時間觀察」而打造。

速率限制讓這件事更雪上加霜。Ant 自家的速率限制頁面設下每秒兩次請求的全域上限，超過就會出現 429；同步呼叫則有 90 秒逾時，並建議改用串流。對聊天產品來說，這沒問題。但對模型明確定位要處理的多步驟代理迴圈——每項任務數十次呼叫，每次呼叫都攜帶一個 frame——兩 QPS 只是規劃上的數字，而它對架構的形塑，會比任何基準測試差距都更大。

它適合哪些情況，以及嘗試它需要付出什麼代價

就可用性而言，誠實的立場是：Ling 3.2 Flash 目前不在 OrcaRouter 的目錄中。即時模型清單會回傳 215 個識別碼，其中沒有任何一個是 Ling 模型——那些「ling」的相符項目是 Kling 影片模型，完全屬於另一家中國實驗室。因此這裡沒有任何東西是只要一次呼叫就能取得的，我們這邊也沒有為它提供容錯移轉路徑。我們所路由的是它將被拿來比較的對照類別：MiniMax M3.1 Flash，一個 428B/23B 原生多模態 MoE，具備相同的 1M 視窗、影片輸入與開放權重，每百萬輸入 $0.15、每百萬輸出 $0.60，並享有 90% 快取折扣——供應商標價零加成直通，且可透過單一金鑰在多個供應商之間自動容錯移轉。

在 Ling 3.2 Flash 尚無價目表時，這就是這個決策有用的樣貌。在 Ant 自家的 API 上執行免費評估，因為對一個 560B 多模態模型來說，五天免費推論值得付出改 base-URL 的設定成本。不要把它放在你無法定價、無法容錯切換，也無法把上限設在高於每秒兩次請求的生產路徑後面。如果你的工作負載是文件或影格理解，而且你今天就需要一個數字，那麼你真正能拿來編預算的模型，是那些有價目表的模型——而且有 200+ 個就在同一把金鑰上，這至少讓比較成為單一整合，而不是每個供應商各做一次。

視窗關閉前要留意什麼

有三件事決定 Ling 3.2 Flash 會成為你實際使用的模型，還是只停留在評估階段的模型。第一是價目表：Ant 是否會在 11 月 19 日前公布每百萬 token 的定價——包括圖片與影片 token 如何計費——或者免費窗口是否就直接失效，變成未列出的費率。第二是權重。Ant 是一家實驗室，其 2026 年的聲譽建立在 MIT 授權的 560B checkpoint 上；Ling-3.1-flash-1019 已於 10 月 27 日以 MIT 授權、573.8 GB 的規模發布，而截至本週，inclusionAI Hugging Face 組織上仍沒有 3.2 的 repository。對那家實驗室而言，推出封閉旗艦模型是姿態上的轉變，而非形式問題。第三是首個獨立基準測試，因為在它出現之前，本文中的每一項多模態主張都只是 Ant 的說法，對上 Ant 自己挑選的任務。

這些都不會讓這個模型變得無趣。一個 560B 原生多模態 MoE、25B 啟用參數，配上 1M 上下文視窗與兩種 API 方言，是相當紮實的工程成果；而它與 Opus 5 之間的三項基準測試差距——由廠商自行報告、測試框架未公開——大到值得你親自實測，而不是直接否定。上路九天的正確姿態，正是免費窗口存在的目的：現在先量測它，等價目表公布再談價格，也別把為期兩週的促銷當成產品承諾。