Ming-flash-omni 2.0

Ming-flash-omni 2.0 to linia multimodalna InclusionAI, otwartoźródłowego ramienia grupy Ant, i najszerszy model, jaki ten wydawca opublikował: przyjmuje obraz, tekst, wideo i dźwięk, a wytwarza obraz, tekst i dźwięk. Ant ogłosił gotową wersję 11 lutego 2026 r., dzień po tym, jak wagi pojawiły się na Hugging Face. Model stoi na tej samej mieszance ekspertów Ling 2.0 co modele tekstowe wydawcy — 100 miliardów parametrów łącznie i około 6 miliardów aktywnych na token, przy 104,23 miliarda policzonych w opublikowanym indeksie plików wag. Ten współczynnik aktywacji jest tu głównym argumentem: model o takim zasięgu, który zapala tylko 6 miliardów parametrów na token, jest znacznie tańszy w utrzymaniu niż gęsty odpowiednik. Najbardziej nietypowa jest strona dźwiękowa. Mowa, dźwięki ogólne i muzyka powstają w jednym torze zamiast w trzech — przy użyciu autoregresji ciągłej z głowicą typu transformer dyfuzyjny — a model klonuje głos bez wcześniejszego uczenia się go, z osobną kontrolą emocji, barwy i tła akustycznego. Po stronie obrazu segmentacja, generowanie i edycja dzielą jedną architekturę, którą producent kieruje na zadania takie jak usunięcie obiektu ze sceny z zachowaniem spójnej faktury i głębi. Model obsługuje też rozmowę na strumieniu wideo — ciągły dialog przy działającej kamerze, a nie jednorazową analizę nagrania. Linia ma jak na tak młodą dziedzinę długą historię: wersja testowa w maju 2025 r., Ming-lite-omni v1 jeszcze w tym samym miesiącu, v1.5 w lipcu, zapowiedź Ming-flash-omni w październiku 2025 r. i wreszcie to wydanie. Opublikowano dwa raporty techniczne, z czerwca i października 2025 r. Tak jak przy flagowym Ling-1T, czytelnik powinien wiedzieć, że karta modelu nie zawiera żadnej tabeli wyników — twierdzenie o najlepszych rezultatach wśród otwartych modeli omni pada w tekście i jest zilustrowane obrazkami, bez liczb, które dałoby się sprawdzić. Etykieta licencji w metadanych wskazuje MIT i znowu w repozytorium nie ma pliku licencji wśród 98 plików, a w treści karty nie ma sekcji o licencji. Liczba pobrań to około 2,3 tysiąca w 30 dniach do 29 sierpnia 2026 r.

▸Wideo

Brak materiałów wideo.

▸Recenzje