蚂蚁百灵官方团队11月6日发布原生多模态模型Ling-3.2-flash。该模型采用560B总参数与约25B激活参数的组合，配备1M上下文窗口，从架构层面原生融合视觉与语言能力，可接收图像、文本与视频三类输入。官方将这一参数配置视为能力与推理开销之间的核心权衡。

在蚂蚁公布的评测结果中，Ling-3.2-flash于三项基准上领先Anthropic Claude Opus 5（max）：OmniDocBench1.5得分92.21对90.56，ZEROBench（Sub）得分43.71对39.52，Vision2Web得分85.86对80.20。此外，在DesignArena图像转前端竞技场中，该模型以1238的Elo分数跻身前十，与Meta、DeepSeek及Anthropic等竞品并列。

能力侧重上，Ling-3.2-flash重点强化四个方向：面向图像与视频深度推理分析的复杂视觉理解；要求在多步任务中保持目标一致、基于视觉与文本信息完成决策执行的多模态长程Agent；侧重三维场景与空间关系解析的3D理解与交互；以及覆盖医学影像理解与报告解读的医疗多模态能力。

从参数规模与基准表现看，该模型试图在激活参数受限的前提下对标头部闭源模型，其多模态长程Agent与医疗场景的定位，指向需要持续视觉推理的行业应用。官方同时宣布前两周限时免费开放。