Si trabajas con contratos escaneados, presentaciones o capturas de páginas web, sabrás que muchos modelos de IA siguen tratando la imagen como un añadido. El equipo Ling de Ant Group presenta su nuevo modelo como lo contrario: un sistema que lee texto, imágenes y vídeo a la vez.
Ant Ling lanzó Ling-3.2-flash el 5 de noviembre de 2026, según el registro de cambios de su documentación para desarrolladores (versión 2.0.6). La empresa lo define como un modelo multimodal nativo: el propio modelo procesa imagen, texto y vídeo, en lugar de pasar las imágenes por un módulo de visión separado colocado delante de un modelo de texto.
Qué significan 560.000 millones de parámetros con 25.000 millones activos
Ant indica 560.000 millones de parámetros en total, de los que se activan unos 25.000 millones. Ese reparto es típico de una arquitectura de mezcla de expertos: el modelo contiene muchas subredes especializadas y, para cada fragmento de entrada, solo se enciende una pequeña parte. En la práctica, obtienes el conocimiento de un modelo muy grande pagando en cada petición un coste de cálculo parecido al de uno mucho más pequeño.
La ventana de contexto, es decir, la cantidad de material que el modelo puede tener en cuenta a la vez, llega a un millón de tokens. Un token es un trozo de texto, más o menos una parte de una palabra. Dicho de forma sencilla: un informe largo, varias imágenes y entradas de vídeo caben en una sola conversación sin tener que trocearlos.
A qué tareas apunta Ant
Ant señala cuatro áreas. La primera es la comprensión visual compleja: razonar sobre lo que hay en una imagen, no solo describirlo. La segunda son los agentes multimodales de largo recorrido, es decir, tareas de varios pasos en las que el modelo analiza imágenes o vídeo por el camino. La tercera es la comprensión y la interacción en 3D. La cuarta es el trabajo médico multimodal, que la página del modelo describe como entender imágenes médicas e interpretar informes.
Aquí importa más el encaje que el tamaño. Empieza por la tarea que necesitas resolver. Si tu día a día consiste en revisar documentos y material visual, estas cuatro áreas te afectan directamente. Si sobre todo escribes y corriges texto, el lanzamiento ofrece poco para comparar, porque Ant no ha publicado resultados solo de texto.
Qué dicen las cifras de los benchmarks
En su publicación de lanzamiento en X, Ant Ling afirma que Ling-3.2-flash supera a Claude Opus 5 (max) en sus evaluaciones de lanzamiento en tres pruebas: OmniDocBench1.5, un benchmark de comprensión de documentos, con 92,21 frente a 90,56; ZEROBench (Sub), un subconjunto de una prueba de razonamiento visual deliberadamente difícil, con 43,71 frente a 39,52; y Vision2Web, que mide la conversión de diseños visuales en páginas web, con 85,86 frente a 80,20.
Son cifras comunicadas por la propia empresa. La publicación no describe las condiciones de prueba, y los tres benchmarks los eligió Ant y son todos visuales. Nuestra valoración: el resultado es un buen motivo para probar el modelo con documentos y capturas, no una prueba de que sea mejor en general. Una comparación solo vale cuando la tarea y la configuración son las mismas, y aquí solo ha medido una de las partes.
Cómo puedes probarlo
Ant ofrece el modelo para probarlo en su interfaz de chat y mediante una API compatible tanto con los protocolos de OpenAI como con los de Anthropic. Si tus herramientas ya usan uno de esos formatos, cambiar consiste sobre todo en modificar el punto de acceso y el nombre del modelo, Ling-3.2-flash, sin reescribir tu código.
Según el registro de cambios, el acceso es gratuito durante las dos primeras semanas tras el lanzamiento. Es un buen momento para pasar tus propios archivos de prueba. Antes de montar un flujo de trabajo encima, consulta la página de precios de Ant: la ventana gratuita es temporal y el coste posterior decidirá si el modelo compensa para un uso habitual.
