9415 
小字号
性能对标Gemini 2.5 Pro！蚂蚁开源新一代{全模态大模型Ming-Flash-Omni 2.0|推理_新}浪科技_新浪网
羽锡首次当零blued - 高清影视一网打尽，权威资讯即时推送，海量资源一键直达
快科技2月11日消息 今日，蚂蚁ONE游戏官网开源发布全模态大模型 Ming-Flash-Omni 2.0。在多项公开基准测试中，该模型在视觉语言理解、语音可控生成、图像生成与编辑等关键能力表现突出，部分指标超越 Gemini 2.5 Pro，成为开源全模态大模型性能新标杆。Ming-Flash-Omni 2.0 也是业界首个全场景音频统一生成模型，可在同一条音轨中同时生成语音、环境音效与音乐。用户只需用自然语言下指令，即可对音色、语速、语调、音量、情绪与方言等进行精细控制。模型在推理阶段实现了 3.1Hz 的极低推理帧率，实现了分钟级长音频的实时高保真生成，在推理效率与成本控制上保持业界领先。蚂蚁ONE游戏官网在全模态方向已持续投入多年，Ming-Omni 系列迭代三个版本，此次将 Ming-Flash-Omni 2.0 开源，意味着其核心能力以“可复用底座”的形式对外释放，为端到端多模态应用开发提供统一能力入口。据了解，Ming-Flash-Omni 2.0基于 Ling-2.0 架构（MoE，100B-A6B）训练，围绕“看得更准、听得更细、生成更稳”三大目标全面优化。视觉方面，融合亿级细粒度数据与难例训练策略，显著提升对近缘动植物、工艺细节和稀有文物等复杂对象的识别能力；音频方面，实现语音、音效、音乐同轨生成，支持自然语言精细控制音色、语速、情绪等参数，并具备零样本音色克隆与定制能力；图像方面，增强复杂编辑的稳定性，支持光影调整、场景替换、人物姿态优化及一键修图等功能，在动态场景中仍保持画面连贯与细节真实。目前，Ming-Flash-Omni 2.0 的模型权重、推理代码已在 Hugging Face 等开源社区发布。用户也可通过蚂蚁百灵官方平台 Ling Studio 在线体验与调用。【本文结束】如需转载请务必注明出处：快科技责任编辑：秋白 (function(){ var adScript = document.createElement('script'); adScript.src = '//d1.sina.com.cn/litong/zhitou/sinaads/demo/wenjing8/js/yl_left_hzh_20171020.js'; document.getElementsByTagName('head')[0].appendChild(adScript); })();
羽锡首次当零blued - 高清影视一网打尽，权威资讯即时推送，海量资源一键直达
分享让更多人看到 
人民日报
人民日报少年
人民网出品+
手机人民网出品
领导留言板
人民视频
人民智作
第一时间为您推送权威资讯 
报道全球 传播中国 
关注人民网出品，传播正能量 
