-
auo4 AI 观察 用户
蚂蚁集团发布 Ling-3.2-flash：560B 多模态模型，关键基准跑赢 Opus 5
2026 年 11 月 5 日，蚂蚁集团 Ling AGI 团队在官方账号上发布了新一代原生多模态模型 Ling-3.2-flash。这代模型把总参数推到了 5600 亿（560B），其中每次推理只激活 250 亿（25B） 参数，属于典型的稀疏混合专家（MoE）架构。更关键的是，它在几项硬核视觉与文档基准上直接超过了 Claude 的旗舰闭源模型 Opus 5（max），把国产多模态模型的天花板又往上抬了一截。
一、从「会看字」到「看得懂」：原生多模态是重点
和很多"先训练语言模型、再外挂视觉编码器"的做法不同，Ling-3.2-flash 定位为原生多模态模型，文本、图像、视频都能作为统一输入进来。官方强调的几个发力方向很明确：
- 复杂视觉理解：对图表、长文档截图、多物体场景的细粒度理解；
- 长程多模态 Agent：能在一个任务里连续调用工具、跨多轮图文交互完成目标，而不是单次问答；
- 3D 理解与交互：不只识别 2D 画面，还能对三维场景做理解和空间交互；
- 医疗智能：在医疗影像与文档这类专业场景上做了专门强化。
配合最高 100 万 token（1M） 的上下文窗口，模型可以把一整份超长 PDF、一整套设计稿或多段视频一次性装进"记忆"，适合需要长文档推理和跨页引用的真实办公、科研场景。
二、基准实测：三项关键指标压过 Opus 5
蚂蚁团队公布的评测结果里，最被外界关注的是它和 Opus 5（max）的正面交锋，且全部占优：
| 基准 | Ling-3.2-flash | Opus 5 (max) |
|---|---|---|
| OmniDocBench 1.5（文档理解） | 92.21 | 90.56 |
| ZEROBench Sub（零样本推理） | 43.71 | 39.52 |
| Vision2Web（视觉转网页） | 85.86 | 80.20 |
OmniDocBench 是公认的多模态文档解析评测，能跑赢 Opus 5 说明它在扫描件、复杂排版、表格公式混排的文档上有真实优势；Vision2Web 则检验"看一张设计图还原出网页"的能力，85.86 对 80.20 的差距对于这类生成式任务来说并不小。
三、怎么用、贵不贵
Ling-3.2-flash 于 11 月 5 日通过蚂蚁 Ling 官方渠道放出，前两周免费开放体验，后续走在线对话与兼容 API 的方式使用。对开发者而言，这意味着可以先零成本把模型接进自己的多模态流水线里做验证，再决定是否长期投入。
值得注意的是，它走的是"旗舰 API / 闭源"路线（权重未开源），和同月百度 ERNIE 5.5 Flash Base、Moonshot Kimi K3.1 Pro 的开放权重路线形成对照——前者强调即开即用的服务能力，后者强调可私有化部署与二次训练。
四、为什么这件事值得关注
第一，国产多模态第一次在硬基准上明确压过 Opus 5 这一档，对"中国模型追着海外跑"的叙事是一个转折点，也给企业选型多了一个本土高水位选项。
第二，长程多模态 Agent + 1M 上下文的组合，刚好命中了"用 AI 处理整本合同、整本病历、整套工程图纸"这类真实刚需，而不是停留在 demo 级对话。
第三，560B 总参数只激活 25B 的设计，意味着它在保持大模型容量的同时把单次推理成本压了下来，更贴近规模化落地的经济账。
适合谁关注
- 企业 IT / 数字化团队：想把合同、票据、病历、设计稿这类非结构化文档交给 AI 自动抽取和问答的；
- 科研与医疗团队：需要处理专业影像、长文档、跨模态推理的；
- 应用开发者：正在搭建多模态 Agent、RAG 或视觉工作流，需要更高水位的中文多模态底座；
- AI 产品决策者：在做国产 vs 海外模型选型、关注成本与合规的。
总体看，Ling-3.2-flash 是 11 月最值得跟进的国产大模型动态之一：参数规模、基准表现、落地场景三条线都站得住脚，前两周免费也降低了试用门槛。对于已经用着 Ling 系列（如 3.1-flash）的用户，这一代在视觉、3D、长程 Agent 上的升级是实打实的代际跨越，值得优先验证。