蚂蚁inclusionAI在HuggingFace开设AI-Transparency仓库，公开Ling、Ring、Ming系列模型的训练内容摘要。该仓库只含文档，不发布权重和训练数据集，主动披露模型训练数据来源，覆盖Ling-2.0至3.0、Ring-2.0至2.6、Ming-Omni及两款16B-A3B多模态模型，旨在提升训练透明度。
9月11日，2026 Inclusion·外滩大会“数字木兰”大会上，卖烧饼阿姨、乡村民宿管家等普通女性现场展示了自制的AI写作助手、零代码英语学习App等产品，证明非技术背景也能拥抱AI。大会由蚂蚁集团与蚂蚁公益基金会联合发起，主题为“我们WOMEN·AI”，展现不同年龄职业女性的数字创造力。
9月10日，2026 Inclusion·外滩大会以“共创AI新经济”开幕。诺贝尔经济学奖得主菲利普·阿吉翁围绕“创造性破坏”与AI革命分享称，AI有望在未来十年使生产率增速每年额外提高约1.08个百分点，潜在影响或超IT革命；但技术潜力能否转化为持续增长，取决于竞争政策、教育体系和劳动力市场制度能否同步跟上。
9月9日，2026 Inclusion·外滩大会在上海开幕，首次设立AI艺术节，涵盖AI概念艺术展、影像展映、音乐会三大单元，持续至12日，将线上AI创作引入线下。其中《纠缠，而后日以作夜》为国内首个智能体导览AI概念艺术展，汇聚20余位中外艺术家，1985年作品《AARON at T》受关注。
基于包含关系的动画自动上色算法
bartowski
这是inclusionAI的Ling-flash-2.0模型的Llamacpp imatrix量化版本。通过先进的量化技术，在保持模型性能的同时显著减少了内存占用和计算量，提高了运行效率。支持多种量化级别，适用于不同硬件配置。
这是inclusionAI的Ling-mini-2.0模型的量化版本，使用llama.cpp的imatrix技术进行量化处理，提供了从32.54GB的BF16到4.66GB的IQ2_XS等多种量化选项，可在多种硬件环境中高效运行。
这是inclusionAI的Ring-mini-2.0模型的量化版本，通过llama.cpp进行imatrix量化处理，能在不同硬件条件下更高效地运行，满足多样化的使用需求。
ubergarm2
这是inclusionAI/Ling-1T模型的量化版本集合，基于ik_llama.cpp分支开发，提供多种量化方案以适应不同的内存和性能需求。这些量化模型在给定的内存占用下提供出色的困惑度表现，特别优化了MoE架构的推理效率。
inclusionAI
Ming-flash-omni 预览版是基于 Ling-Flash-2.0 稀疏专家混合（MoE）架构构建的多模态大模型，总参数达100B，每个token仅激活6B参数。该模型在Ming-Omni基础上进行了全面升级，在多模态理解和生成方面有显著提升，特别是在语音识别、图像生成和分割编辑方面表现突出。
Ming-UniVision是一个多模态大语言模型，首次将连续视觉表征集成到下一令牌预测框架中，在单一自回归范式下统一了视觉和语言，无需离散量化或特定模态的头部。该模型支持联合图像理解与生成，在视觉语言训练中收敛速度更快，还支持多轮上下文视觉任务。
明托克（MingTok）是一款创新的视觉分词器，通过连续潜在空间实现统一的视觉理解与生成，无需向量量化，在保留语义和感知保真度的同时，在图像重建和自回归收敛速度上表现卓越。
铭音通是一个创新的统一语音框架，将语音理解、生成和编辑功能整合为一体。它采用统一的连续语音分词器，能在端到端模型中有效融合语义和声学特征，是首个仅通过自然语言指令就能实现通用、自由形式语音编辑的系统。
mlx-community
Ling-mini-2.0-4bit是基于inclusionAI/Ling-mini-2.0模型使用mlx-lm 0.27.1版本转换的4位量化版本，专为Apple Silicon优化的高效语言模型
LLaDA-MoE是基于扩散原理构建的新型混合专家语言模型，是首个开源的MoE扩散大语言模型，在约20万亿个标记上从头预训练，总参数70亿，推理时仅激活14亿参数，在代码生成和数学推理等任务中表现卓越。
Ring-mini-2.0是基于Ling 2.0架构深度优化的高性能推理型MoE模型，仅有160亿总参数和14亿激活参数，却实现了与100亿规模以下密集模型相当的综合推理能力。在逻辑推理、代码生成和数学任务方面表现出色，支持12.8万长上下文处理和每秒300+令牌的高速生成。
Ling 2.0是基于MoE架构的大语言模型家族，首个版本Ling-mini-2.0参数规模紧凑但功能强大，在复杂推理和指令遵循方面表现出色，采用1/32激活率的MoE架构，实现卓越性能与高效运行的完美结合。
AReaL是由蚂蚁科技集团开发的异步强化学习训练系统，专为大型推理模型设计，支持快速训练和前沿性能。
ViLaSR-7B是一个基于Qwen2.5-VL-7B-Instruct构建的视觉语言模型，专门针对多模态场景下的图像与文本交互及空间推理问题进行了优化，通过交织思考和视觉绘图的方法增强空间推理能力。
灵曦是由InclusionAI开源的大规模混合专家语言模型，精简版拥有168亿总参数与27.5亿激活参数，展现出卓越性能表现。
轻量级统一多模态模型，高效处理图像、文本、音频和视频等多种模态数据，在语音和图像生成方面表现出色。
玲珑线性预览版是由InclusionAI开源发布的混合线性稀疏大语言模型，总参数量17.1B，激活参数量3.0B。该模型基于混合线性注意力机制实现长文本推理，在推理过程中具备近线性计算复杂度与近恒定空间复杂度。
基于inclusionAI/Ling-lite的量化版本，使用llama.cpp进行imatrix量化，支持多种量化类型以适应不同硬件需求。
%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会员
