IT之家 Mensaje del 6 de noviembre: el equipo oficial de Ant Bailing anunció hoy el lanzamiento del modelo multimodal nativo Ling-3.2-flash, con 560B de parámetros totales, 25B de parámetros activados y una ventana de contexto de 1M.
El modelo fusiona de forma nativa, a nivel de arquitectura, capacidades visuales y de lenguaje, admitiendo entradas de imagen, texto y video, y refuerza especialmente cuatro capacidades: comprensión visual compleja, Agent multimodal de largo alcance, comprensión e interacción 3D y multimodalidad médica.
En los resultados de evaluación publicados oficialmente por Ant, Ling-3.2-flash supera a Anthropic Claude Opus 5 (max) en tres benchmarks:
OmniDocBench1.5 con una puntuación de 92.21, frente a 90.56;
ZEROBench (Sub) con una puntuación de 43.71, frente a 39.52;
Vision2Web con una puntuación de 85.86, frente a 80.20.
En la arena DesignArena de imagen a frontend, el modelo entró en el top 10 con una puntuación Elo de 1238, empatado con competidores como Meta, DeepSeek y Anthropic.
El modelo refuerza especialmente cuatro capacidades: la comprensión visual compleja está orientada al razonamiento y análisis profundos de imágenes y videos; el Agent multimodal de largo alcance exige mantener de manera sostenida la coherencia de los objetivos en tareas de múltiples pasos y completar decisiones y ejecuciones basadas en información visual y textual; la comprensión e interacción 3D se centra en el análisis de escenas tridimensionales y relaciones espaciales; y la multimodalidad médica abarca la comprensión de imágenes médicas y la interpretación de informes, asistiendo en análisis médicos profesionales.
Según la información, la combinación de 560B de parámetros totales con aproximadamente 25B de parámetros activados es el equilibrio central de Ling-3.2-flash entre capacidad y costo de inferencia. Este patrón corresponde normalmente a una arquitectura de mezcla de expertos (MoE), en la que el modelo solo invoca una parte de los parámetros en cada cálculo hacia adelante, controlando así el costo computacional por paso mientras conserva una gran capacidad de almacenamiento de conocimiento.
En cuanto a los precios, el precio de entrada de la API de Ling-3.2-flash es de 0.30 dólares por millón de tokens (nota de IT之家: a tipo de cambio actual, unos 2 yuanes), y el de salida es de 0.90 dólares por millón de tokens (unos 6 yuanes al tipo de cambio actual); la lista de DesignArena señala que es la tarifa más baja entre los modelos de su mismo nivel de rendimiento.
Su API ya está disponible a través de la plataforma Ant Bailing; los usuarios interesados pueden probarla en línea mediante la página de conversación, y es compatible con los protocolos de OpenAI y Anthropic para llamadas a la API, además de ofrecer una experiencia gratuita por tiempo limitado durante las primeras 2 semanas tras su lanzamiento.