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。
螞蟻開源團隊發佈百靈系列首個原生多模態大模型 Ling-3.0-flash-VL。它基於 Ling-3.0-flash 的 MoE 架構，總參數124B，激活5.5B，原生支持圖像、文本與視頻輸入，上下文窗口達256K Token。團隊重點提升真實任務中的可靠性與效率，並着力解決視覺能力可能削弱文本智能的問題。
螞蟻集團聯合中金公司等發佈螞蟻百靈首個金融增強大模型Ling-3.0-flash-Fin。該模型沿用原有架構參數，經海量金融語料深度訓練，顯著強化投研能力，聚焦信息檢索等四大核心能力，多項基準測試顯示專業表現突出，通用能力同步提升。
螞蟻百靈發佈新模型Ling-3.0-Flash，總參數量124B、激活僅5.1B，在基礎推理、指令遵循及長文本處理上對標甚至超越2-3倍參數的領先模型，實現更高智效比與性價比。已上線OpenRouter，免費一週後正式開源。
通過AI語言導師，讓語言學習變得簡單，快速提升口語能力。
專為軟件改進設計的開源大型語言模型。
高效的大型語言模型（LLM）研究代碼庫
溝通無界，讓每次對話都創造價值。
Chatglm
-
輸入tokens/百萬
輸出tokens/百萬
1k
上下文長度
noctrex
這是Ling-flash-2.0模型的MXFP4_MOE量化版本，專門針對文本生成任務進行了優化。該版本通過MXFP4_MOE量化技術，在保持模型性能的同時顯著減小了模型大小，提高了推理效率。
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。
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。
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
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。
Mungert
Lingshu-32B GGUF模型是適用於醫療領域的多模態大語言模型，支持多種醫學影像模態，在醫療問答和報告生成任務上表現出色。
lingshu-medical-mllm
靈樞是醫療領域的SOTA多模態大語言模型，在醫療視覺問答和報告生成任務中表現卓越。
靈樞是一款在醫療領域表現卓越的多模態大語言模型，能有效處理醫學圖像和文本信息，在醫療問答和報告生成任務中展現出了頂尖性能。
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。
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。
shilik
該模型是基於DistilBERT-base-uncased在CoLA（Corpus of Linguistic Acceptability）數據集上微調的版本，用於語法可接受性判斷任務。
LingoIITGN
Ganga-2-1b是一個基於印地語數據集訓練的指令微調模型，是Project Unity項目的一部分，旨在處理印度語言的多樣性和豐富性。
Lingalingeswaran
該模型是基於openai/whisper-small在僧伽羅語數據集上微調的語音識別模型，支持僧伽羅語語音轉文本任務。
基於OpenAI Whisper-small微調的僧伽羅語語音識別模型
AlumiK
LingLong 是一個輕量級中文預訓練語言模型，基於 GPT-3 架構構建，參數規模為 3.17 億，適合計算資源有限的研究者使用。
lingtrain
這是一個基於LaBSE架構的句子轉換器模型，專門針對俄語-馬里語對進行了微調，能夠將句子和段落映射到768維稠密向量空間。
stuser2023
該模型是基於DistilBERT在CoLA（Corpus of Linguistic Acceptability）數據集上微調的版本，用於語法可接受性判斷任務。
Linggen是一個本地優先的RAG與MCP記憶層，為AI編程助手提供跨項目的共享記憶、代碼庫導航和多工具連接能力，所有數據默認在本地處理。
一個用於管理多包或單包倉庫版本和發佈的構建工具
%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
