蚂蚁百灵推出原生多模态模型 Ling-3.2-flash：560B 总参数、1M 上下文 - 果核剥壳

11 月 6 日消息，蚂蚁百灵官方团队今日宣布推出原生多模态模型 Ling-3.2-flash，该模型拥有 560B 总参数、25B 激活参数、1M 上下文窗口。

Ling-3.2-flash 从架构层面原生融合视觉与语言能力，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 Agent、3D 理解与交互、医疗多模态四大能力。

在蚂蚁官方公布的评测结果中，Ling-3.2-flash 在三项基准上超过 Anthropic Claude Opus 5（max）：OmniDocBench1.5 得分 92.21，对比 90.56；ZEROBench（Sub）得分 43.71，对比 39.52；Vision2Web 得分 85.86，对比 80.20。此外，在 DesignArena 图像转前端竞技场中，该模型以 1238 的 Elo 分数进入前十，与 Meta、DeepSeek 及 Anthropic 等竞品并列。

据介绍，四大能力各有侧重：复杂视觉理解面向图像与视频的深度推理与分析；多模态长程 Agent 要求在多步任务中持续保持目标一致，基于视觉与文本信息完成决策与执行；3D 理解与交互侧重三维场景与空间关系的解析；医疗多模态则覆盖医学影像理解与报告解读，辅助专业医疗分析。

技术架构方面，560B 总参数与约 25B 激活参数的组合，是 Ling-3.2-flash 在能力与推理开销之间的核心权衡。这种模式通常对应混合专家（MoE）架构，模型在每次前向计算中仅调用部分参数，从而在保留大容量知识存储的同时控制单步计算成本。

定价方面，Ling-3.2-flash 的 API 输入价格为每百万词元 0.30 美元（约合 2 元人民币），输出价格为每百万词元 0.90 美元（约合 6 元人民币）。DesignArena 榜单指出，这是同性能级别模型中最低的费率。