11月5日，蚂蚁百灵上线原生多模态模型 Ling-3.2-flash：总参数 560B、每步激活 25B，上下文窗口 1M，原生支持图像、文本与视频输入。这次升级的重点不是参数规模，而是把视觉能力嵌进推理底座，让模型直接对多模态长程任务下手。
560B 参数、只激活 25B，算力账怎么算
和 9 月发布的 Ling-3.1-flash 一样，Ling-3.2-flash 也是 560B 总参数、约 25B 激活的 MoE 架构：推理时只调用与当前 token 相关的专家网络，用较小的实际算力撬动更大的模型容量。区别在于，3.1 是侧重推理的混合模型，3.2 把视觉做进了架构本身，而不是给语言模型外挂一个视觉模块。1M 上下文则让它能一次吞下长文档、长视频或多轮对话记录，再做跨模态推理。对开发者来说，这意味着同等任务下推理成本更低，但前提是任务本身确实需要图文视频一起进模型——纯文本任务用它就是浪费。
三项基准超过 Opus 5，可信度有几分
蚂蚁公布的厂商评测里，Ling-3.2-flash 在三项基准上超过 Claude Opus 5（max）：文档理解 OmniDocBench 1.5 得分 92.21，对方 90.56；ZEROBench 子集 43.71，对方 39.52；图生网站 Vision2Web 85.86，对方 80.20。第三方竞技场 DesignArena 的图生前端榜单上，它以 Elo 1238 分排进前十。但这些数字都是厂商自报，尚未经过独立复核：基准选的是对自己有利的赛道，Opus 5 的满血版本、测试条件也没有完整披露。真正能说明问题的，是上线后开发者在真实任务里的反馈，而不是发布会上的三张分数表。
现在能用上吗，权重会开源吗
模型已经可以在蚂蚁百灵对话页在线体验，API 兼容 OpenAI 与 Anthropic 两种协议，上线前两周免费。据 IT之家报道，API 定价为输入每百万 token 0.30 美元、输出 0.90 美元。官方尚未说明 Ling-3.2-flash 的权重是否开源：上一代 Ling-3.1-flash 是在免费期结束后按 MIT 协议放出权重的，3.2 会不会走同一条路，要等蚂蚁下一步表态。急着上线的团队可以先拿免费期做验证；想本地部署的，先别等，把 3.1 的开源版本当作备选。
