Ant Groupが「Ling-3.2-flash」発表：5600億MoEモデル、1M文脈と3D空間理解に対応
Ant Groupはネイティブマルチモーダルモデル「Ling-3.2-flash」を発表しました。総パラメータ5600億・活性化250億のMoE構成で、100万トークンのコンテキストに対応。画像・動画からの3Dシーン再構築や、複数エージェントを束ねた業務自動化が可能です。
蚂蚁集团
Ant Groupが「Ming 3.0 TTS」を公開：自然言語での声質制御やポッドキャスト生成に対応
Ant Group は音声合成モデル「Ming 3.0 TTS」を MIT ライセンスでオープンソース公開しました。自然言語によるトーン調整や音声クローンに対応し、約 3GB の軽量版は一般向け GPU で動作します。
アントと清華大がRealtime-Venus発表：会話を止めずに裏でタスク実行
アント・グループと清華大学が、リアルタイムマルチモーダルAgentシステム「Realtime-Venus」を開発した。2つの9Bモデルで全二重音声と映像認識を維持しつつ、複雑な処理はバックグラウンドで非同期実行する。タスク待ちで会話を中断せずに済み、スマートグラスや車載用途に適している。
Ant傘下Robbyantが「LingBot-World 2.0」公開：720p 60fpsで操作可能な世界を生成
Ant Group傘下のRobbyantは世界モデル「LingBot-World 2.0」をオープンソース公開した。因果的事前学習により画質劣化を抑えて長時間対話に対応し、蒸留モデルは720p 60fpsのリアルタイム生成を実現。1.3Bおよび14Bの重みが提供されている。