产品简介
Ling-3.2-flash 是蚂蚁百灵在 2026 年 11 月 5 日发布的原生多模态模型，560B 总参数、25B 激活，1M 上下文窗口，原生支持图像、文本与视频输入。这一代没有靠堆参数换能力，总参与激活的量级都跟前代 Ling-3.1-flash 同一个档次，变化在于把视觉从外挂模块改成架构层面的原生融合，图像与视频因此可以直接作为推理输入参与决策。
官方把能力收拢到四个方向：复杂视觉理解，面向图像与视频做深度推理；多模态长程智能体，要求在多步任务里靠视觉与文本一起保持目标一致；3D 理解与交互，解析三维场景与空间关系；医疗多模态，覆盖医学影像理解与报告解读。
发布评测里三项基准高于 Claude Opus 5 (max)：OmniDocBench1.5 得 92.21，对比 90.56；ZEROBench(Sub) 43.71，对比 39.52；Vision2Web 85.86，对比 80.20。DesignArena 的图转前端竞技场里以 1238 的 Elo 进入前十，与 Meta、DeepSeek、Anthropic 的模型并列。需要说明的是这三组数字来自厂商自测口径。
接入方式很直接：API 已上蚂蚁百炼平台，兼容 OpenAI 与 Anthropic 两套协议，OpenRouter 上的模型 id 是 inclusionai/ling-3.2-flash，上线头两周限时免费。定价为输入每百万 tokens 0.30 美元、输出每百万 tokens 0.90 美元。
核心功能
- 560B 总参、25B 激活：MoE 架构，总参与激活的比例和前代 Ling-3.1-flash 同一量级，单步计算成本按 25B 算，知识容量按 560B 存。
- 原生多模态，图像视频直接进：视觉与语言在架构层面融合，图像、文本、视频同为推理输入，API 里用 image_url 与 video_url 两个字段传。
- 1M 上下文窗口：长文档、长视频与多轮工具调用可以整段处理，多模态长程智能体这条线就建立在这个窗口上。
- 复杂视觉理解：OmniDocBench1.5 得 92.21，文档版面、表格与公式这类结构化视觉内容是它的主攻方向。
- 3D 理解与交互：ZEROBench(Sub) 43.71，面向三维场景与空间关系的解析，属于这一代新点名的能力。
- 医疗多模态：覆盖医学影像理解与报告解读，定位是辅助专业分析而不是面向患者的问答。
- 双协议兼容：同时兼容 OpenAI 与 Anthropic 的调用协议，已有的客户端与 SDK 改个 base_url 与模型名就能切过来。
适合谁用
以下类型的用户会特别受益于 蚂蚁百灵 Ling-3.2-flash：
- 文档与报表解析：OmniDocBench1.5 的 92.21 说明版面、表格与公式的还原是强项，适合做票据、研报与合同的批量结构化。
- 图转前端：把设计稿或截图直接还原成可运行页面，DesignArena 图转前端 1238 的 Elo 在这个梯队里够用。
- 视频内容理解：视频作为原生输入参与推理，长视频的摘要、检索与问答不必先抽帧转文本。
- 多模态长程智能体：1M 窗口下连续多步操作，靠视觉与文本一起维持目标一致。
- 3D 与空间任务：场景理解、空间关系判断这类需要三维感知的环节。
- 医疗影像辅助：影像与报告的联合解读，配合院内流程做辅助分析。
优点亮点
- 原生多模态而不是拼接方案，图像视频作为一等输入参与推理，跨模态的上下文不用二次对齐。
- 560B 只激活 25B，能力容量与调用成本之间留了余地。
- 1M 上下文配上多模态输入，长视频与长文档可以整段处理。
- 定价为输入 0.30 美元、输出 0.90 美元每百万 tokens，同性能档位里属于低费率。
- 同时兼容 OpenAI 与 Anthropic 协议，切换成本低。
- 上线头两周免费，可以先把实际业务样本跑一遍再决定是否付费。
- 国内平台直连，蚂蚁百炼不需要额外的网络条件。
价格与方案
按 token 计费：输入每百万 tokens 0.30 美元，输出每百万 tokens 0.90 美元。上线头两周限时免费体验。API 已在蚂蚁百炼平台开放，同时兼容 OpenAI 与 Anthropic 协议调用，OpenRouter 上的模型 id 为 inclusionai/ling-3.2-flash，也可通过第三方平台试用。这一轮以 API 形式提供，开源权重尚未随发布放出。
总结与建议
Ling-3.2-flash 走的不是加参数的路，而是把原生多模态接到既有的激活预算上，图像与视频由此成为推理输入而不是外挂能力。三项自测基准高于 Opus 5 (max)，DesignArena 图转前端进了前十，定价压在输入 0.30 美元、输出 0.90 美元每百万 tokens。要做文档解析、图转前端或长视频理解，前两周免费期正好够跑一轮真实样本。
版本演进
- Ling-3.2-flash 发布，原生多模态接入 1M 上下文 （2026-11-05）：蚂蚁百灵于 2026 年 11 月 5 日发布原生多模态模型 Ling-3.2-flash，560B 总参数、25B 激活，1M 上下文窗口，原生支持图像、文本与视频输入，重点强化复杂视觉理解、多模态长程智能体、3D 理解与交互、医疗多模态四个方向。官方自测三项基准高于 Claude Opus 5 (max)：OmniDocBench1.5 92.21 对 90.56、ZEROBench(Sub) 43.71 对 39.52、Vision2Web 85.86 对 80.20。DesignArena 图转前端竞技场以 1238 Elo 进入前十。API 已在蚂蚁百炼平台上线，兼容 OpenAI 与 Anthropic 协议，OpenRouter 模型 id 为 inclusionai/ling-3.2-flash，上线头两周免费，定价为输入 0.30 美元、输出 0.90 美元每百万 tokens。