蚂蚁百灵发布 Ling 3.2 Flash:560B 总参数 25B 激活,三项基准超 Claude Opus 5
发布时间:2026年11月06日 12:48:0011 月 6 日,蚂蚁百灵发布原生多模态模型 Ling-3.2-flash,总参数 560B、激活参数 25B、上下文 1M,支持图像、文本与视频输入。官方评测在 OmniDocBench 1.5、ZEROBench 与 Vision2Web 三项基准上超过 Claude Opus 5 max,API 定价为每百万词元输入 0.30 美元、输出 0.90 美元,已在百炼上线并兼容 OpenAI 与 Anthropic 协议。
事件:蚂蚁把通用模型推进到原生多模态
11 月 6 日,蚂蚁百灵团队发布 Ling-3.2-flash,这是 Ling 系列第一次把「原生多模态」作为主版本卖点,而不是附带的 VL 变体。
三个硬指标:
| 项目 | 数值 |
|---|---|
| 总参数 | 560B |
| 激活参数 | 约 25B |
| 上下文窗口 | 1M |
| 输入模态 | 图像、文本、视频 |
| API 定价 | 输入 0.30 美元 / 百万词元,输出 0.90 美元 / 百万词元 |
模型已经在蚂蚁百炼平台上线,兼容 OpenAI 与 Anthropic 两种调用协议,上线前两周限时免费。对国内开发者来说,这意味着换模型不需要重写调用层。
架构:大骨架、小激活
560B 总参数配 25B 激活,对应的是**混合专家(MoE)**架构。官方把它概括为「大骨架、小激活」:
- 大骨架:用大量专家参数存储知识,覆盖更广的视觉与语言分布;
- 小激活:每次前向只调用其中一小部分,把单步计算开销压到可以规模化服务的水平。
多模态部分的关键词是「原生」,而不是「拼接」。过去常见的做法是视觉编码器加语言模型的两段式结构,图像先被压缩成一串 token,再交给语言模型处理。原生融合则把视觉与语言放在同一套表示空间里训练,视频的时序信息、图像的空间关系可以更直接地参与推理。
这套架构直接对应官方列出的四项能力:
- 复杂视觉理解:文档、图表、界面截图这类高密度信息;
- 多模态长程 Agent:在多步任务中持续保持目标,并根据看到的画面做决策;
- 3D 理解与交互:三维场景与空间关系解析;
- 医疗多模态:医学影像理解与报告解读。
评测:三项基准压过 Opus 5,但要看清楚口径
官方给出的对比基准是 Claude Opus 5(max),三项分数如下:
| 基准 | Ling-3.2-flash | Claude Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5 | 92.21 | 90.56 |
| ZEROBench(Sub) | 43.71 | 39.52 |
| Vision2Web | 85.86 | 80.20 |
在 DesignArena 图像转前端竞技场里,该模型以 1238 Elo 进入前十,与 Meta、DeepSeek、Anthropic 的模型处在同一档位。
需要提醒的是,这三项对比由蚂蚁自己公布,对手取的是 Opus 5 的最高档配置 max。自测数据能说明方向,但不同任务上的真实表现仍需要第三方复测,尤其是长视频理解与医疗场景这类高门槛任务。
定价:把多模态 Agent 的接入成本压到新位置
每百万词元输入 0.30 美元、输出 0.90 美元,这个价格放在 560B 级别原生多模态模型里属于激进。
对开发者的实际影响有三点:
- 视觉 Agent 的单步成本下降:长程任务往往要调用几十次模型,输入侧便宜意味着可以更频繁地「看屏幕」;
- 协议兼容降低迁移成本:OpenAI 与 Anthropic 协议双兼容,现有 SDK 基本可以直接指向新端点;
- 两周免费期适合做对照实验:可以在真实业务数据上跑一轮,再决定是否切换。
行业位置:国内多模态进入「原生 + 低价」阶段
把这次发布放到 11 月的国内模型节奏里看,脉络比较清楚:
- 11 月 5 日,百度开源 ERNIE 5.5 Flash Base,走的是「高质量基座 + 社区后训练」路线;
- 11 月 5 日,月之暗面开源 Kimi K3.1 Pro,主打超稀疏 MoE 与百万上下文;
- 11 月 6 日,蚂蚁用 Ling-3.2-flash 把原生多模态与低价 API 绑在一起。
三家的共同点是参数效率:不再单纯比总参数,而是比「激活多少参数能做到什么」。分歧在于交付方式——百度给权重,月之暗面给权重,蚂蚁给 API。对没有训练能力的中小团队,API 加低价才是能立刻用上的东西。
待验证的三件事
- 视频理解的时长上限:1M 上下文理论上能塞进很长视频,但帧采样策略与时空对齐才是实际瓶颈;
- 医疗多模态的合规边界:医学影像解读涉及资质与责任归属,能力开放到什么程度要看后续的产品化方式;
- 长程 Agent 的稳定性:多步任务里最容易出问题的是错误累积,单步准确率高不等于整条链路可靠。
这三件事决定了 Ling-3.2-flash 是「榜单上的模型」,还是「生产里的模型」。