11월 5일, Ant Ling이 네이티브 멀티모달 모델 Ling-3.2-flash를 출시했다. 총 파라미터 560B, 단계별 활성 파라미터 25B, 컨텍스트 윈도우 100만 토큰으로 이미지·텍스트·비디오 입력을 네이티브로 지원한다. 이번 업그레이드의 핵심은 파라미터 규모가 아니라 시각 능력을 추론 기반에 내장해 멀티모달 장기 작업을 직접 처리할 수 있게 한 점이다.
560B 파라미터 중 25B만 활성화, 계산 비용은 어떻게 되나
9월에 출시된 Ling-3.1-flash와 마찬가지로 Ling-3.2-flash도 총 560B, 활성 약 25B의 MoE 아키텍처다. 추론 시 현재 토큰과 관련된 전문가 네트워크만 호출해 적은 실제 연산으로 더 큰 모델을 활용한다. 차이점은 3.1이 추론 중심의 하이브리드 모델이었던 반면, 3.2는 언어 모델에 시각 모듈을 덧붙이는 대신 시각을 아키텍처 자체에 내장했다는 점이다. 100만 토큰 컨텍스트 덕분에 긴 문서나 긴 비디오, 여러 턴의 대화를 한 번에 받아들여 모달리티를 넘나드는 추론이 가능하다. 개발자 입장에서는 같은 작업의 추론 비용이 낮아진다는 뜻이지만, 이미지·텍스트·비디오를 함께 다뤄야 하는 작업일 때만 해당한다. 순수 텍스트 작업에 쓰는 것은 낭비다.
3개 지표에서 Opus 5를 앞섰다, 얼마나 믿을 수 있나
Ant이 공개한 자체 벤치마크에서 Ling-3.2-flash는 Claude Opus 5(max)를 세 가지 지표에서 앞섰다. 문서 이해 벤치마크 OmniDocBench 1.5에서 92.21 대 90.56, ZEROBench 하위 집합에서 43.71 대 39.52, 이미지를 웹사이트로 바꾸는 Vision2Web에서 85.86 대 80.20이다. 제3자 경연장 DesignArena의 이미지-투-프론트엔드 순위에서는 Elo 1238점으로 10위권에 들었다. 다만 이 숫자는 모두 업체가 발표한 것으로 독립 검증은 아직 없다. 선택된 벤치마크는 자사에 유리한 종목이고, Opus 5의 풀버전이나 테스트 조건도 완전히 공개되지 않았다. 진짜 판단 기준은 출시 후 개발자들이 실제 작업에서 얻는 피드백이지, 발표 당일의 세 장짜리 점수표가 아니다.
지금 쓸 수 있나, 가중치는 오픈소스가 되나
모델은 이미 Ant Ling 채팅 화면에서 체험할 수 있고, API는 OpenAI와 Anthropic 두 프로토콜과 호환되며 출시 후 2주간 무료다. IT之家 보도에 따르면 API 가격은 입력 100만 토큰당 0.30달러, 출력 0.90달러다. Ant은 Ling-3.2-flash의 가중치를 오픈소스로 공개할지 아직 밝히지 않았다. 이전 세대인 Ling-3.1-flash는 무료 기간이 끝난 뒤 MIT 라이선스로 가중치를 공개했다. 3.2가 같은 길을 갈지는 Ant의 다음 발표를 봐야 한다. 서두르는 팀은 무료 기간에 검증하면 되고, 로컬 배포를 원하는 팀은 기다리지 말고 오픈소스인 3.1을 대안으로 삼는 것이 좋다.
