InclusionAI

Según el sitio oficial, inclusionAI es la iniciativa de inteligencia artificial general de Ant Group, que publica las familias de modelos Ling, Ring y Ming con pesos abiertos.

La página de la organización en Hugging Face describe la familia como la Ant Ling AI Model Family. La serie Ling reúne modelos de lenguaje de gran tamaño, la Ring reúne modelos de razonamiento y la Ming reúne modelos multimodales de cualquier entrada a cualquier salida. Los pesos están en Hugging Face y ModelScope.

Entre los modelos citados en las páginas oficiales están Ling-1T, con 1 billón de parámetros, y Ring-2.5-1T, que la propia organización describe como el primer modelo de razonamiento de código abierto de 1 billón de parámetros basado en atención lineal híbrida. La organización también mantiene LLaDA2.X, una serie de modelos de lenguaje por difusión, y modelos de audio de la línea Ming.

inclusionAI funciona como un laboratorio de investigación que publica modelos, no como un producto de software con interfaz propia.

inclusionAI está indicada para investigadores y equipos de aprendizaje automático que quieren descargar pesos abiertos de modelos de lenguaje, de razonamiento y multimodales de Ant Group y ejecutarlos en infraestructura propia.

Quien investiga razonamiento de largo plazo encuentra la serie Ring. Quien construye asistentes y agentes de texto encuentra la serie Ling. Quien trabaja con entrada y salida en varias modalidades, incluido el audio, encuentra la serie Ming. Los investigadores de arquitecturas alternativas encuentran LLaDA2.X, de modelos de lenguaje por difusión.

Los requisitos previos son prácticos. Los pesos se distribuyen en Hugging Face y ModelScope, y las fuentes consultadas no describen una API alojada por la propia inclusionAI, así que el equipo debe operar la inferencia. Los modelos más grandes tienen 1 billón de parámetros en total, y la organización también publica modelos más pequeños, que son el punto de partida más simple para pruebas.

Cada repositorio tiene su licencia, que debe leerse antes de usarlo en un producto.

Las principales funciones de inclusionAI son las familias Ling, Ring y Ming, más modelos de investigación como LLaDA2.X, todos con pesos publicados.

• Ling: modelos de lenguaje de gran tamaño. Ling-1T tiene 1 billón de parámetros, y un comunicado de Ant Group sobre una versión posterior cita un contexto de hasta 1 millón de tokens.
• Ring: modelos de razonamiento. Ring-2.5-1T se describe en la página del modelo como el primer modelo de razonamiento de código abierto de 1 billón de parámetros basado en atención lineal híbrida.
• Ming: modelos multimodales de cualquier entrada a cualquier salida, con variantes omni y modelos de audio listados en Hugging Face.
• LLaDA2.X: serie de modelos de lenguaje por difusión, mantenida por el equipo de inclusionAI en Ant Group, según GitHub.
• Distribución: pesos en Hugging Face y ModelScope, con repositorios de código en GitHub.

La página de la organización en Hugging Face lista más de 200 modelos en un instante, así que aparecen variantes nuevas con frecuencia. Los resultados de benchmark publicados por Ant Group son autodeclarados y no se incluyen aquí.

inclusionAI vale la pena para quien quiere pesos abiertos de modelos de gran tamaño, de razonamiento y multimodales y tiene un equipo para operar inferencia, y menos para quien busca una API lista.

Ventajas:

• Tres familias con propósitos distintos, lenguaje, razonamiento y multimodal, publicadas en la misma organización.
• Pesos en Hugging Face y ModelScope, con repositorios de código en GitHub.
• Los modelos más grandes, con 1 billón de parámetros en total, publicados con pesos abiertos.
• Arquitecturas de investigación más allá del estándar, como los modelos de lenguaje por difusión de LLaDA2.X.

Desventajas:

• Las fuentes consultadas describen distribución de pesos, y no una API alojada por inclusionAI, así que la operación de la inferencia queda en manos del equipo.
• El listado tiene más de 200 modelos de generaciones distintas, y hay que elegir entre familias y variantes antes de empezar.
• Los resultados de benchmark publicados por Ant Group son autodeclarados, y el equipo necesita validar el modelo con sus propios datos.
• Cada repositorio puede tener licencia propia, y la verificación queda a cargo de quien vaya a usarlo en un producto.

Las alternativas a inclusionAI son otros laboratorios que publican pesos de modelos de lenguaje de gran tamaño.

• DeepSeek: laboratorio que publica pesos abiertos de modelos de lenguaje y de razonamiento y ofrece API.
• Alibaba Qwen: la familia Qwen, con varios modelos de pesos abiertos en distintos tamaños, además de acceso por API.
• Kimi (Moonshot AI): la serie Kimi K2, de mezcla de expertos con 1 billón de parámetros en total, con pesos en Hugging Face y API compatible con la interfaz de OpenAI.
• Xiaomi MiMo: familia con pesos en GitHub y Hugging Face y plataforma de API propia.
• Meta Llama: la familia Llama, publicada con pesos abiertos bajo una licencia propia de Meta.

La diferencia central frente a inclusionAI es la división por propósito. inclusionAI separa lenguaje, razonamiento y multimodal en tres familias, y las alternativas suelen reunir esos usos en menos líneas de modelo. Quien necesita una API alojada tiene, en Kimi y Xiaomi MiMo, plataformas propias descritas en las fuentes consultadas.