IT之家 11 月 6 日付の報道、蚂蚁百灵の公式チームは本日、ネイティブ・マルチモーダルモデル Ling-3.2-flash を発表した。総パラメータ 560B、アクティブパラメータ 25B、コンテキストウィンドウ 1M を備える。
このモデルはアーキテクチャレベルで視覚と言語能力をネイティブに融合しており、画像・テキスト・動画の入力をサポートし、複雑な視覚理解、マルチモーダル長期 Agent、3D 理解とインタラクション、医療マルチモーダルの4大能力を重点的に強化している。
蚂蚁が公式に公表した評価結果では、Ling-3.2-flash は3つのベンチマークで Anthropic Claude Opus 5（max）を上回った：
OmniDocBench1.5 は 92.21、対する 90.56；
ZEROBench（Sub）は 43.71、対する 39.52；
Vision2Web は 85.86、対する 80.20。
DesignArena の画像からフロントエンド変換アリーナでは、このモデルは Elo スコア 1238 でトップ10入りし、Meta、DeepSeek、Anthropic などの競合製品と肩を並べた。
このモデルは4大能力を重点的に強化している：複雑な視覚理解は画像と動画に対する深い推論と分析を担当；マルチモーダル長期 Agent は複数ステップのタスクで目標の一貫性を維持し、視覚とテキスト情報に基づいて意思決定と実行を完了することを要求；3D 理解とインタラクションは3次元シーンと空間関係の解析に注力；医療マルチモーダルは医用画像の理解とレポートの解読をカバーし、専門的な医療分析を支援する。
介绍によると、総パラメータ 560B と約 25B のアクティブパラメータの組み合わせは、Ling-3.2-flash における能力と推論コストの間の核心的なトレードオフである。この方式は通常、Mixture of Experts（MoE）アーキテクチャに対応し、モデルは各フォワード計算で一部のパラメータのみを呼び出すことで、大容量の知識ストレージを保持しながら単一ステップの計算コストを制御する。
価格面では、Ling-3.2-flash の API 入力価格は百万トークンあたり 0.30 米ドル（IT之家注：現在のレートで約 2 人民元に相当）、出力価格は百万トークンあたり 0.90 米ドル（現在のレートで約 6 人民元に相当）であり、DesignArena のランキングは、これが同性能クラスのモデルの中で最も低い料金であると指摘している。
その API は蚂蚁百灵プラットフォームを通じて公開されており、興味のあるユーザーは対話ページでオンライン体験が可能で、OpenAI および Anthropic プロトコルに互換性があり API 呼び出しも可能で、さらに公開後最初の 2 週間は期間限定で無料体験できる。