蚂蚁百灵发布Ling-3.2-flash原生多模态模型，可看图操作Blender

11月6日，蚂蚁集团旗下蚂蚁百灵大模型宣布Ling-3.2-flash正式上线，并已在其“灵光2.0”产品中落地。该模型主打面向真实生产环境下的可靠执行与交付，定位为原生多模态大模型。

在参数与架构上，Ling-3.2-flash总参数560B、单步激活25B，采用7:1混合注意力架构，由7层KDA与1层Gated MLA组成混合单元，并配备1M原生长上下文。相比纯文本推理，新模型原生融合了视觉感知与空间理解能力，可同时接收图像、文本与视频输入。

其核心亮点在于视觉反馈自检与异常自适应恢复。模型能把中间渲染画面或交互界面当作新的观测输入，比对几何结构、光影与版面布局的差异，再据此调整代码或操作步骤，让结果经过多轮检查与修正；遇到执行报错、语法异常或工具调用失败时，则结合错误上下文与堆栈日志定位问题，尝试重试、补偿或切换执行分支，保障长任务持续推进。

在能力评测上，该模型在DesignArena的Image-to-Frontend图生前端代码评测中取得1238分，可把视觉设计稿转化为前端页面、将二维图纸转为三维模型、操控Blender等专业软件，并解读论文PDF生成可运行代码。在Hopper架构GPU、约30K长上下文条件下，单用户解码速度均值达280 tokens/s，单token耗时约3.54毫秒。官方同时坦诚，模型在长程跨应用任务的状态维持、三维大尺度动态推理，以及3D资产细节保真度上，与领先闭源旗舰仍有客观差距。

目前用户可通过Ling Studio与蚂蚁集团数字科技模型服务平台体验该模型，API前两周限时免费，模型权重也将在近期开放。在国产大模型密集迭代的当下，Ling-3.2-flash把“视觉—推理—行动”全链路的动态纠偏作为差异化方向，指向更可靠的多智能体协作与真实业务交付。