Ling-3.2-flash – 蚂蚁百灵推出的百万上下文多模态模型

Ling-3.2-flash 是一款由蚂蚁百灵于 2026 年 11 月推出的原生多模态模型，总参数 560B、单步激活 25B，上下文窗口 1M，原生支持图像、文本与视频输入。它把中间渲染画面当作新的观测输入用于结果自检，遇到报错或工具调用失败时结合堆栈日志重试补偿，适用于界面转代码、三维资产原型与多轮智能体执行等场景。

Ling-3.2-flash 的核心能力

Ling-3.2-flash 的改动集中在两处：一是把视觉从「看懂」推进到「能核对结果」，二是把报错当作继续执行的输入。560B 总参数与 25B 单步激活的稀疏结构、1M 上下文与上一代保持一致，新增能力则围绕执行过程中的检查与恢复展开，下面四块是官方说明里能落到具体动作的部分。

视觉反馈自检

模型可以把中间渲染画面或交互界面作为新的一轮观测输入，对照需求比对几何结构、光影效果与版面布局上的差异，再据此改动代码或操作步骤。官方把这一步描述为让生成结果接受多轮检查与修正，而不是一次性交付后由人发现问题。

异常自适应恢复

遇到执行报错、语法异常或工具调用失败时，模型会结合错误上下文与堆栈日志定位问题，尝试重试、补偿或调整执行分支，把尚未完成的步骤继续做完。官方给出的例子是多智能体协作：下游 Agent 出现异常后，由它定位问题、修改相关逻辑，再通过热重载复验并推进协作链路。

生成吞吐与延迟

混合单元由 7 层 KDA 与 1 层 Gated MLA 组成。在 DSpark 投机推理加速下，BlockSize 取 5 时，多模态与文本任务的平均接受长度均超过 3.5；官方在 Hopper 架构 GPU、约 30K 长上下文条件下测得单用户解码速度均值 280 tokens/s，平均单个输出 token 耗时约 3.54 ms。这些数字对应特定硬件与配置，不等于接口调用时的实时速度。

原生多模态输入与 1M 窗口

图像、文本与视频在架构层面直接进入模型，官方强调不依赖外挂视觉模块；1M 上下文窗口为长文档与长视频分析留出了更大的输入容量，实际可处理的视频时长与文件大小仍以官方接口限制为准。官方文档把能力重点收在四处：复杂视觉理解、多模态长程 Agent、3D 理解与交互、医疗多模态。想了解同系列上一代产品的定位，可对照站内 Ling-3.1-flash 一并阅读。

Ling-3.2-flash 与同类多模态模型的对比

下表把三款模型在输入模态、多模态任务重点与接入方式等维度上并排对照，数据取各自官方发布材料，未公布的项直接标注。

• 表格内数据来源：Ling-3.2-flash 取自百灵官方发布公告与开放平台模型文档；Qwen3.8-Omni-Flash 与 GPT-6.1 Terra 取自各自官方发布材料及站内对应页面；官方未公布的参数规模标注为「官方未公布」，不作推算。
• 产品对比简述：输入模态上，Ling-3.2-flash 覆盖文本、图像与视频，Qwen3.8-Omni-Flash 多了音频，GPT-6.1 Terra 只有文本与图像；多模态任务重点上，Ling-3.2-flash 做视觉结果自检，Qwen3.8-Omni-Flash 偏向音视频理解与内容分析，GPT-6.1 Terra 偏向界面操作。

如果想先看这个系列更小体量的多模态版本，站内收录的 Ling-3.0-flash-VL 是一个可以直接对照的样本。

Ling-3.2-flash 的应用场景与适用人群

官方给出的示例都带「执行—检查—修正」的循环，单轮问答用不到这些设计：

• 多智能体协作：统一驱动多个异构 Agent，下游出错时结合控制台日志与视觉反馈定位问题，改动后热重载复验。
• 三维资产原型：依据二维参考图构建三维资产与场景，再把渲染结果作为视觉反馈，对照参考图检查造型、材质与布局差异。
• 工程图与专业软件操作：按二维图纸的比例尺度与空间轴网用 Three.js 建三维实体，或以桌面 GUI Agent 的方式操作 Blender 搭建场景。
• 论文复现与文档处理：解析双栏排版、公式推导与架构图，提炼算法步骤并编写可运行的工程代码与运行脚本。

适用人群：适合人群：需要在长链路任务中反复核对结果的研发团队、做三维原型与辅助设计的设计团队，以及把界面操作和文档处理交给模型的工程团队。只做单轮问答或纯文本生成的场景，同系列更小体量的档位成本更低。

Ling-3.2-flash 的使用方法

两条路径对应两种角色：先在官方网页版验证效果，再决定是否接入 API。权重目前尚未开放，自部署这条路径暂时不可用。

网页版 Ling studio

1. 打开 Ling studio，在顶部模型选择里切到 Ling-3.2-flash。
2. 在右侧「模型配置」中确认系统提示词与工具开关，联网搜索、时间查询与天气查询三项默认关闭，需要时再打开。
3. 用同一批业务样张试跑，图片、长文档与视频各准备一份，重点看多轮之后结果有没有被自检修正。
4. 需要固定输出长度时调整最大推理生成长度，工作台默认值为 262144。

开放平台 API

1. 在百灵开放平台完成支付宝账户绑定并开通模型服务，再创建 API Key。
2. 按 OpenAI 兼容协议调用，把 base_url 指向 https://api.ant-ling.com/v1/，模型名填 Ling-3.2-flash，其余参数沿用原有结构。
3. 已有统一网关的团队可改走第三方托管，官方表示活动期内 OpenRouter 与 ZenMux 的相关模型也参与优惠，具体上架情况与计价以各平台页面为准。

两点要留意：限时免费期内调用不产生费用，但活动结束会恢复原价，接入前应先确认账户余额与结算方式；权重尚未开放，目前也不存在可下载的量化版本，需等官方发布权重后再评估显存与部署方案。另外，网页版里验证自检能力还有一个更直接的做法——把生成后的渲染截图作为新一轮输入的图像，只让它输出差异清单再改代码，这比每轮重述完整需求更省上下文。

Ling-3.2-flash 的项目地址

• Ling studio 体验入口：https://chat.ant-ling.com/chat
• 百灵开放平台模型文档：https://developer.ant-ling.com/zh-CN/docs/models/ling/

Ling-3.2-flash 的价格与开源情况

官方定价文档（末次更新 2026 年 11 月 5 日）写明百灵系列按量计费、无最低消费门槛，费用按实际 token 消耗计算，每日凌晨生成前一日账单。文档同时给出限时福利：Ling-3.2-flash 上线后前两周限时免费，活动结束后恢复原价，账户余额需自行确认。

Ling-3.2-flash 的单价目前尚未在文档中挂出，可参照的是同系列其他档位：Ling-3.1-flash 现为每百万 token 输入 0.50 元、输出 1.50 元、缓存读取 0.10 元，原价分别为 2.00 元、6.00 元与 0.40 元，按 2.5 折执行；Ling-3.0-flash-VL 为输入 0.14 元、输出 0.42 元。这些是同系列其他模型的挂牌价，不能直接当作 Ling-3.2-flash 的计价。

第三方平台同步优惠：官方文档写明活动期内 OpenRouter 与 ZenMux 上的同款模型也在折扣中，两处均以美元计价，具体折扣以各平台官方价格为准。若把计价口径放在一起看，站内 GLM-5.3-Flash 这类已开源的同类档位，成本结构与订阅制产品并不相同，选型时不宜只比单价。 开源一侧同样受权重状态影响：Ling 系列早前多个版本以 MIT 或 Apache-2.0 发布，而 Ling-3.2-flash 的权重官方只说「近期开放」，许可证与量化版本都还没有公布，现阶段不存在自行部署的成本口径；已开源的同类档位另有计价结构，可与上段示例一并评估。

Ling-3.2-flash 的常见问题