蚂蚁发布 Ling 3.2 Flash：5600 亿 MoE 架构，支持 1M 上下文与 3D 重建

以前想让大模型看懂一段监控视频或者做一次复杂的空间重建，开发者要么得拼凑好几个独立的视觉模型，要么得准备一大堆显卡扛着全参数硬跑。既要大模型的知识底座，又要跑得快、吃得少，MoE 架构就成了当下的标准解法。

蚂蚁集团最近公布了新一代原生多模态模型 Ling-3.2-flash。它的总参数量堆到了 5600 亿，但借助混合专家架构，每次推理实际激活的参数只有约 250 亿，同时把上下文窗口直接拉到了 1M。

5600 亿体量，但只动 250 亿参数

Ling-3.2-flash 的核心思路是在架构底层直接做原生多模态，而不是靠外部视觉编码器打补丁。文本、图片和视频输入都在模型内部统一处理，避免了信息跨模块流转时的损失。

5600 亿总参数保证了庞大的知识储备，而每次推理只激活 250 亿参数，意味着它把计算开销压到了很低的比例。配合高达 100 万 token 的上下文窗口，无论是塞进去整份长篇财报，还是输入一段超长视频，它都能稳定提取前后内容而不会遗忘。

除了常规的图文对话，官方把重点放在了四个方向：复杂视觉理解、多模态长程 Agent、3D 理解与交互，以及医疗多模态分析。

能做 3D 重建，也能带智能体团队做 PPT

从目前展示的能力来看，这个模型在空间和动态任务上表现得很亮眼。你可以随手喂给它一张单视角图片，它会尝试去理解空间关系并重建出三维场景；在前端生成测试里，它还能直接做出一套展示伦敦景点的动态交互网页。

更有意思的是它的长任务 Agent 协调能力。在实际演示中，Ling-3.2-flash 可以像项目组长一样指挥一整个 AI 智能体团队，把杂乱的财务数据逐层清洗、分析，最后直接做成一份完整的分析报告和 PPT 演示文稿。

目前用户和开发者可以通过蚂蚁集团的开发者平台体验该模型。有外部测试认为，它在多模态基准上的表现紧咬着 GLM 5.3 Flash 和 DeepSeek 等同类竞争对手，属于目前第一梯队的开放模型水平。

为什么重要

我们认为，Ling-3.2-flash 的价值在于把「大参数」和「可用性」做了一次平衡。很多端到端多模态模型一碰到长上下文就会显存暴涨，而 560B 总量搭配 25B 激活的配置，让复杂的视觉与长程推理在商业落地时有了算力经济性。

对于开发者来说，如果你的业务涉及长视频理解、空间交互或者复杂的桌面级 GUI 自动化，这是一个非常值得去开发者平台测试的底座。尤其是它在单模型内同时解决 3D 理解和多智能体协同，省去了开发者自己串联多套模型的工作量。

不过，蚂蚁此前开源过 Ling-3.0-flash-VL 的权重，而这次 3.2 版本目前仅在官方平台提供体验，尚未完全放出权重文件。行业竞争已经进入白热化，它最终能在多大程度上撬动开源生态，还得看后续开放权重的节奏与实际成本表现。