蚂蚁百灵发布Ling-3.2-flash：560B多模态模型

11月5日，蚂蚁集团旗下百灵（Ling）团队正式发布原生多模态大模型Ling-3.2-flash。这款模型拥有560B总参数、25B激活参数，支持100万tokens上下文窗口，可同时处理图像、文本与视频输入。在蚂蚁官方公布的评测中，它在三项基准上超过了Anthropic的Claude Opus 5，成为国产大模型在多模态赛道上的又一次集中发力。

560B参数、1M上下文：定位长程多模态任务

Ling-3.2-flash采用MoE（混合专家）架构，总参数560B，每步推理激活约25B参数。蚂蚁在开发者文档中将其定位为Ling系列最新一代原生多模态模型：视觉与语言能力在架构层面原生融合，而非后期拼接，因此能直接接受图像、文本与视频三种输入，上下文窗口上限为1M tokens，适合长文档、长视频分析等长上下文场景。

架构上，模型采用7:1混合注意力设计。据蚂蚁介绍，这一组合是其在能力与推理开销之间的核心权衡：总参数规模保证能力上限，较低的激活参数则控制单次推理成本。在Hopper架构GPU、约3万tokens长上下文条件下，官方给出的平均单用户解码速度为280 tokens/s，单token延迟约3.54ms。

蚂蚁为这款模型划定了四个重点能力方向：

• 复杂视觉理解：对图像与视频内容进行推理；
• 多模态长程Agent：支撑需要多步骤、长时间执行的智能体任务；
• 3D理解与交互；
• 医疗多模态。

视觉反馈自检：会“看图纠错”的模型

本次发布最受关注的特性，是视觉反馈自检与自适应异常恢复机制。按蚂蚁的说法，模型能把图像和交互界面作为观测输入，对比结构、光线、布局等方面的差异，自动纠正输出结果；遇到错误或工具调用失败时，可以定位问题、重试并补偿，从而保障长任务持续推进、不中途“烂尾”。

这一设计瞄准的正是Agent落地的痛点：长程任务中一次工具调用失败或一处界面理解偏差，往往导致整个任务链断裂。把“检查—纠错—重试”做进模型内部，是各家大模型厂商近期共同的发力方向。

基准成绩：三项超过Claude Opus 5

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Claude Opus 5（max）：OmniDocBench 1.5得分为92.21分，对方90.56分；ZEROBench子集43.71分，对方39.52分；Vision2Web为85.86分，对方80.20分。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。

需要提醒的是，上述成绩均为厂商自测结果，尚未经过独立第三方复核，实际表现仍有待外部评测与真实场景验证。蚂蚁官方也坦言，模型在长程规划、3D资产细节等方面仍存在不足。

价格与接入：首两周免费体验

定价方面，Ling-3.2-flash的API输入价格为每百万tokens 0.30美元，输出价格为每百万tokens 0.90美元。据DesignArena榜单介绍，这是同性能级别模型中最低的费率。API已通过蚂蚁百炼平台上线，用户可通过对话页在线体验，并兼容OpenAI及Anthropic协议进行调用，上线前两周限时免费体验。另据报道，模型权重将在近期开放。

背景：国产大模型进入多模态竞速

Ling-3.2-flash的发布正值国产大模型密集上新：同一周内，腾讯发布了新一代大模型Hy4，百度开源了2800亿参数的文心ERNIE 5.5，月之暗面则在Hugging Face开放了Kimi K3.1 Pro权重。与前代Ling-3.1-flash相比，3.2版本保持了560B总参数、25B激活参数与1M上下文的配置，变化主要集中在原生多模态能力与长程Agent执行上，反映出竞争焦点正从单纯拼参数规模，转向“看得懂、跑得久、能纠错”的实用能力。

影响与展望

对开发者而言，Ling-3.2-flash的低价策略与协议兼容降低了试用门槛，尤其适合需要处理长文档、长视频或构建多步骤Agent的应用。对蚂蚁自身而言，这款模型已在灵光2.0中落地，瞄准真实生产环境的可靠交付，而非仅停留在榜单分数。

接下来值得观察的有三点：一是模型权重开放后的社区反馈与生态进展；二是独立第三方评测能否复现官方基准成绩；三是视觉反馈自检机制在真实Agent场景中的稳定性。如果这三点都能兑现，Ling-3.2-flash有望成为国产多模态模型中兼顾性能与成本的一个有力选项。