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。
蚂蚁开源团队发布百灵系列首个原生多模态大模型 Ling-3.0-flash-VL。它基于 Ling-3.0-flash 的 MoE 架构，总参数124B，激活5.5B，原生支持图像、文本与视频输入，上下文窗口达256K Token。团队重点提升真实任务中的可靠性与效率，并着力解决视觉能力可能削弱文本智能的问题。
蚂蚁集团联合中金公司等发布蚂蚁百灵首个金融增强大模型Ling-3.0-flash-Fin。该模型沿用原有架构参数，经海量金融语料深度训练，显著强化投研能力，聚焦信息检索等四大核心能力，多项基准测试显示专业表现突出，通用能力同步提升。
蚂蚁百灵发布新模型Ling-3.0-Flash，总参数量124B、激活仅5.1B，在基础推理、指令遵循及长文本处理上对标甚至超越2-3倍参数的领先模型，实现更高智效比与性价比。已上线OpenRouter，免费一周后正式开源。
通过AI语言导师，让语言学习变得简单，快速提升口语能力。
专为软件改进设计的开源大型语言模型。
高效的大型语言模型（LLM）研究代码库
沟通无界，让每次对话都创造价值。
Chatglm
-
输入tokens/百万
输出tokens/百万
1k
上下文长度
noctrex
这是Ling-flash-2.0模型的MXFP4_MOE量化版本，专门针对文本生成任务进行了优化。该版本通过MXFP4_MOE量化技术，在保持模型性能的同时显著减小了模型大小，提高了推理效率。
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。
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。
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
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。
Mungert
Lingshu-32B GGUF模型是适用于医疗领域的多模态大语言模型，支持多种医学影像模态，在医疗问答和报告生成任务上表现出色。
lingshu-medical-mllm
灵枢是医疗领域的SOTA多模态大语言模型，在医疗视觉问答和报告生成任务中表现卓越。
灵枢是一款在医疗领域表现卓越的多模态大语言模型，能有效处理医学图像和文本信息，在医疗问答和报告生成任务中展现出了顶尖性能。
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。
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。
shilik
该模型是基于DistilBERT-base-uncased在CoLA（Corpus of Linguistic Acceptability）数据集上微调的版本，用于语法可接受性判断任务。
LingoIITGN
Ganga-2-1b是一个基于印地语数据集训练的指令微调模型，是Project Unity项目的一部分，旨在处理印度语言的多样性和丰富性。
Lingalingeswaran
该模型是基于openai/whisper-small在僧伽罗语数据集上微调的语音识别模型，支持僧伽罗语语音转文本任务。
基于OpenAI Whisper-small微调的僧伽罗语语音识别模型
AlumiK
LingLong 是一个轻量级中文预训练语言模型，基于 GPT-3 架构构建，参数规模为 3.17 亿，适合计算资源有限的研究者使用。
lingtrain
这是一个基于LaBSE架构的句子转换器模型，专门针对俄语-马里语对进行了微调，能够将句子和段落映射到768维稠密向量空间。
stuser2023
该模型是基于DistilBERT在CoLA（Corpus of Linguistic Acceptability）数据集上微调的版本，用于语法可接受性判断任务。
Linggen是一个本地优先的RAG与MCP记忆层，为AI编程助手提供跨项目的共享记忆、代码库导航和多工具连接能力，所有数据默认在本地处理。
一个用于管理多包或单包仓库版本和发布的构建工具
%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会员
