螞蟻inclusionAI在HuggingFace開設AI-Transparency倉庫，公開Ling、Ring、Ming系列模型的訓練內容摘要。該倉庫只含文檔，不發佈權重和訓練數據集，主動披露模型訓練數據來源，覆蓋Ling-2.0至3.0、Ring-2.0至2.6、Ming-Omni及兩款16B-A3B多模態模型，旨在提升訓練透明度。
9月11日，2026 Inclusion·外灘大會“數字木蘭”大會上，賣燒餅阿姨、鄉村民宿管家等普通女性現場展示了自制的AI寫作助手、零代碼英語學習App等產品，證明非技術背景也能擁抱AI。大會由螞蟻集團與螞蟻公益基金會聯合發起，主題爲“我們WOMEN·AI”，展現不同年齡職業女性的數字創造力。
9月10日，2026 Inclusion·外灘大會以“共創AI新經濟”開幕。諾貝爾經濟學獎得主菲利普·阿吉翁圍繞“創造性破壞”與AI革命分享稱，AI有望在未來十年使生產率增速每年額外提高約1.08個百分點，潛在影響或超IT革命；但技術潛力能否轉化爲持續增長，取決於競爭政策、教育體系和勞動力市場制度能否同步跟上。
9月9日，2026 Inclusion·外灘大會在上海開幕，首次設立AI藝術節，涵蓋AI概念藝術展、影像展映、音樂會三大單元，持續至12日，將線上AI創作引入線下。其中《糾纏，而後日以作夜》爲國內首個智能體導覽AI概念藝術展，匯聚20餘位中外藝術家，1985年作品《AARON at T》受關注。
基於包含關係的動畫自動上色算法
bartowski
這是inclusionAI的Ling-flash-2.0模型的Llamacpp imatrix量化版本。通過先進的量化技術，在保持模型性能的同時顯著減少了內存佔用和計算量，提高了運行效率。支持多種量化級別，適用於不同硬件配置。
這是inclusionAI的Ling-mini-2.0模型的量化版本，使用llama.cpp的imatrix技術進行量化處理，提供了從32.54GB的BF16到4.66GB的IQ2_XS等多種量化選項，可在多種硬件環境中高效運行。
這是inclusionAI的Ring-mini-2.0模型的量化版本，通過llama.cpp進行imatrix量化處理，能在不同硬件條件下更高效地運行，滿足多樣化的使用需求。
ubergarm2
這是inclusionAI/Ling-1T模型的量化版本集合，基於ik_llama.cpp分支開發，提供多種量化方案以適應不同的內存和性能需求。這些量化模型在給定的內存佔用下提供出色的困惑度表現，特別優化了MoE架構的推理效率。
inclusionAI
Ming-flash-omni 預覽版是基於 Ling-Flash-2.0 稀疏專家混合（MoE）架構構建的多模態大模型，總參數達100B，每個token僅激活6B參數。該模型在Ming-Omni基礎上進行了全面升級，在多模態理解和生成方面有顯著提升，特別是在語音識別、圖像生成和分割編輯方面表現突出。
Ming-UniVision是一個多模態大語言模型，首次將連續視覺表徵集成到下一令牌預測框架中，在單一自迴歸範式下統一了視覺和語言，無需離散量化或特定模態的頭部。該模型支持聯合圖像理解與生成，在視覺語言訓練中收斂速度更快，還支持多輪上下文視覺任務。
明托克（MingTok）是一款創新的視覺分詞器，通過連續潛在空間實現統一的視覺理解與生成，無需向量量化，在保留語義和感知保真度的同時，在圖像重建和自迴歸收斂速度上表現卓越。
銘音通是一個創新的統一語音框架，將語音理解、生成和編輯功能整合為一體。它採用統一的連續語音分詞器，能在端到端模型中有效融合語義和聲學特徵，是首個僅通過自然語言指令就能實現通用、自由形式語音編輯的系統。
mlx-community
Ling-mini-2.0-4bit是基於inclusionAI/Ling-mini-2.0模型使用mlx-lm 0.27.1版本轉換的4位量化版本，專為Apple Silicon優化的高效語言模型
LLaDA-MoE是基於擴散原理構建的新型混合專家語言模型，是首個開源的MoE擴散大語言模型，在約20萬億個標記上從頭預訓練，總參數70億，推理時僅激活14億參數，在代碼生成和數學推理等任務中表現卓越。
Ring-mini-2.0是基於Ling 2.0架構深度優化的高性能推理型MoE模型，僅有160億總參數和14億激活參數，卻實現了與100億規模以下密集模型相當的綜合推理能力。在邏輯推理、代碼生成和數學任務方面表現出色，支持12.8萬長上下文處理和每秒300+令牌的高速生成。
Ling 2.0是基於MoE架構的大語言模型家族，首個版本Ling-mini-2.0參數規模緊湊但功能強大，在複雜推理和指令遵循方面表現出色，採用1/32激活率的MoE架構，實現卓越性能與高效運行的完美結合。
AReaL是由螞蟻科技集團開發的異步強化學習訓練系統，專為大型推理模型設計，支持快速訓練和前沿性能。
ViLaSR-7B是一個基於Qwen2.5-VL-7B-Instruct構建的視覺語言模型，專門針對多模態場景下的圖像與文本交互及空間推理問題進行了優化，通過交織思考和視覺繪圖的方法增強空間推理能力。
靈曦是由InclusionAI開源的大規模混合專家語言模型，精簡版擁有168億總參數與27.5億激活參數，展現出卓越性能表現。
輕量級統一多模態模型，高效處理圖像、文本、音頻和視頻等多種模態數據，在語音和圖像生成方面表現出色。
玲瓏線性預覽版是由InclusionAI開源發佈的混合線性稀疏大語言模型，總參數量17.1B，激活參數量3.0B。該模型基於混合線性注意力機制實現長文本推理，在推理過程中具備近線性計算複雜度與近恆定空間複雜度。
基於inclusionAI/Ling-lite的量化版本，使用llama.cpp進行imatrix量化，支持多種量化類型以適應不同硬件需求。
%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
VIP會員
