螞蟻釋出 Ling 3.2 Flash：5600 億 MoE 架構，支援 1M 上下文與 3D 重建

以前想讓大模型看懂一段監控影片或者做一次複雜的空間重建，開發者要麼得拼湊好幾個獨立的視覺模型，要麼得準備一大堆顯示卡扛著全引數硬跑。既要大模型的知識底座，又要跑得快、吃得少，MoE 架構就成了當下的標準解法。

螞蟻集團最近公佈了新一代原生多模態模型 Ling-3.2-flash。它的總引數量堆到了 5600 億，但藉助混合專家架構，每次推理實際啟用的引數只有約 250 億，同時把上下文視窗直接拉到了 1M。

5600 億體量，但只動 250 億引數

Ling-3.2-flash 的核心思路是在架構底層直接做原生多模態，而不是靠外部視覺編碼器打補丁。文本、圖片和影片輸入都在模型內部統一處理，避免了資訊跨模組流轉時的損失。

5600 億總引數保證了龐大的知識儲備，而每次推理只啟用 250 億引數，意味著它把計算開銷壓到了很低的比例。配合高達 100 萬 token 的上下文視窗，無論是塞進去整份長篇財報，還是輸入一段超長影片，它都能穩定提取前後內容而不會遺忘。

除了常規的圖文對話，官方把重點放在了四個方向：複雜視覺理解、多模態長程 Agent、3D 理解與互動，以及醫療多模態分析。

能做 3D 重建，也能帶智慧體團隊做 PPT

從目前展示的能力來看，這個模型在空間和動態任務上表現得很亮眼。你可以隨手餵給它一張單視角圖片，它會嘗試去理解空間關係並重建出三維場景；在前端生成測試裡，它還能直接做出一套展示倫敦景點的動態互動網頁。

更有意思的是它的長任務 Agent 協調能力。在實際演示中，Ling-3.2-flash 可以像專案組長一樣指揮一整個 AI 智慧體團隊，把雜亂的財務資料逐層清洗、分析，最後直接做成一份完整的分析報告和 PPT 簡報。

目前使用者和開發者可以通過螞蟻集團的開發者平臺體驗該模型。有外部測試認為，它在多模態基準上的表現緊咬著 GLM 5.3 Flash 和 DeepSeek 等同類競爭對手，屬於目前第一梯隊的開放模型水平。

為什麼重要

我們認為，Ling-3.2-flash 的價值在於把「大引數」和「可用性」做了一次平衡。很多端到端多模態模型一碰到長上下文就會視訊記憶體暴漲，而 560B 總量搭配 25B 啟用的配置，讓複雜的視覺與長程推理在商業落地時有了算力經濟性。

對於開發者來說，如果你的業務涉及長影片理解、空間互動或者複雜的桌面級 GUI 自動化，這是一個非常值得去開發者平臺測試的底座。尤其是它在單模型內同時解決 3D 理解和多智慧體協同，省去了開發者自己串聯多套模型的工作量。

不過，螞蟻此前開源過 Ling-3.0-flash-VL 的權重，而這次 3.2 版本目前僅在官方平臺提供體驗，尚未完全放出權重檔案。行業競爭已經進入白熱化，它最終能在多大程度上撬動開源生態，還得看後續開放權重的節奏與實際成本表現。