答案已發布22 個來源
Ling-3.2-flash 登場：把圖像、文字與影片能力整合進模型架構
Ling 3.2 flash 是螞蟻集團推出的原生多模態模型，總參數 5600 億、啟用參數 250 億，支援 100 萬 Token 上下文視窗。[6] 模型可原生接收圖像、文字與影片輸入，官方列出的重點方向包括複雜視覺理解、多模態長程代理、3D 理解與互動，以及醫療多模態應用。[1][4][6] 報導稱其採用混合專家（MoE）設計，每個 Token 約啟用 250 億參數，而非動用全部 5600 億參數。[12]
發布者圖片由 GPT Image 2 生成
研究答案
重點整理
- Ling 3.2 flash 是螞蟻集團推出的原生多模態模型，總參數 5600 億、啟用參數 250 億，支援 100 萬 Token 上下文視窗。[6]
- 模型可原生接收圖像、文字與影片輸入，官方列出的重點方向包括複雜視覺理解、多模態長程代理、3D 理解與互動，以及醫療多模態應用。[1][4][6]
- 報導稱其採用混合專家（MoE）設計，每個 Token 約啟用 250 億參數，而非動用全部 5600 億參數。[12]
- 螞蟻公布的三項基準測試中，Ling 3.2 flash 得分高於 Claude Opus 5（max）；這些數據屬於廠商公布的測試結果，並非獨立驗證。[13][8]
AI 提示詞
openai.comCreate a landscape editorial hero image for this Studio Global article: What did Ant Group announce about Ling 3.2 flash on November 6, 2026, including its native architectural integration of image, text and vide. Article summary: Ant Group announced Ling 3.2 flash as a native multimodal flagship with 560 billion total parameters, 25 billion active parameters and a 1 million token context window, emphasizing visual reasoning and multimodal agents.. Topic tags: general web, openai, ai, workflow, productivity. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, cha
螞蟻集團推出 Ling-3.2-flash，定位為原生多模態模型：它總計有 5600 億參數，每次推理啟用 250 億參數，並支援 100 萬 Token 的上下文視窗。官方主打的方向包括複雜視覺理解、多模態長程代理、3D 理解與互動，以及醫療多模態應用。6
發布日期在報導中略有出入：11 月 6 日的消息稱模型於當天發布，另有報導將日期列為 11 月 5 日；目前資料無法釐清這項差異。8
10
從架構上整合圖像、文字與影片
Ling-3.2-flash 的重點不只是能處理不同媒體，而是官方將圖像、文字與影片理解描述為模型的原生多模態能力。螞蟻的 OpenAI 相容 API 文件也明確列出這三種輸入形式。14
4
報導將其設計描述為混合專家（Mixture of Experts，MoE）：模型總參數雖達 5600 億，但每個 Token 約啟用 250 億參數。簡單來說，推理時不必動用全部參數，藉此在保有模型規模的同時，控制每一步的運算需求。12
官方列出的四項重點用途為：複雜視覺理解、多模態長程代理、3D 理解與互動，以及醫療多模態任務。6
7「長程代理」指模型在多步驟任務中持續運用視覺與文字資訊；不過，官方資料列出的是產品聚焦方向，並不代表每類任務都已經過同等程度的獨立驗證。
螞蟻公布的基準測試
螞蟻公布的測試結果顯示，Ling-3.2-flash 在以下三項基準中得分高於 Claude Opus 5（max）。這些比較是廠商公布的結果，應視為官方測試主張，而非獨立驗證的結論。13
8
| 基準測試 | 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 |
另有發布報導指出，Ling-3.2-flash 在 DesignArena 的圖像轉前端競技場進入前十，Elo 分數為 1,238。8
API、免費期與價格資訊
螞蟻官方文件確認，Ling-3.2-flash 可透過 Ling API 使用，並支援 OpenAI 相容介面；官方也提供 Anthropic 相容工具的使用說明。1
4
5 官方定價文件表示，模型發布後首兩週免費，優惠期結束後恢復原價。
3
至於優惠期後的確切費率，現有資料並不一致：一篇報導列出每百萬輸入 Token 0.30 美元、每百萬輸出 Token 0.90 美元，但其他報導指出正式價格尚未公布，而所提供的官方定價文件片段也無法確認這兩個數字適用於 Ling-3.2-flash。15
12
3因此，目前不宜把這組美元費率視為已由官方確認的定價。
Studio Global AI
繼續深入研究
這個頁面包含附來源佐證的答案，你可以在 Studio Global 內繼續追問。
大家也會問
「Ling-3.2-flash 登場：把圖像、文字與影片能力整合進模型架構」的簡短答案是什麼？
Ling 3.2 flash 是螞蟻集團推出的原生多模態模型，總參數 5600 億、啟用參數 250 億，支援 100 萬 Token 上下文視窗。[6]
最值得優先驗證的重點是什麼？
Ling 3.2 flash 是螞蟻集團推出的原生多模態模型，總參數 5600 億、啟用參數 250 億，支援 100 萬 Token 上下文視窗。[6] 模型可原生接收圖像、文字與影片輸入，官方列出的重點方向包括複雜視覺理解、多模態長程代理、3D 理解與互動，以及醫療多模態應用。[1][4][6]
接下來在實務上該怎麼做？
報導稱其採用混合專家（MoE）設計，每個 Token 約啟用 250 億參數，而非動用全部 5600 億參數。[12]
來源
developer.ant-ling.comChangelog - developer.ant-ling.com
news.aibase.comAnt Bailing Releases Ling 3.2 Flash: Surpasses Claude Opus 5 on Three Core Benchmarks, Free for the First Two Weeks
aicoder.comAnt Ling Launches Ling-3.2-flash: 560B/25B Native Multimodal ...
lookonchain.comElon Musk’s net worth returns to $1 trillion, surging by $88 billion in a single day. - Lookonchain - Looking for smartmoney onchain