InclusionAI

Segundo o site oficial, a inclusionAI é a iniciativa de inteligência artificial geral da Ant Group, que publica as famílias de modelos Ling, Ring e Ming com pesos abertos.

A página da organização no Hugging Face descreve a família como a Ant Ling AI Model Family. A série Ling reúne modelos de linguagem de grande porte, a Ring reúne modelos de raciocínio e a Ming reúne modelos multimodais do tipo qualquer entrada para qualquer saída. Os pesos ficam no Hugging Face e no ModelScope.

Entre os modelos citados nas páginas oficiais estão o Ling-1T, com 1 trilhão de parâmetros, e o Ring-2.5-1T, que a própria organização descreve como o primeiro modelo de raciocínio de código aberto com 1 trilhão de parâmetros baseado em atenção linear híbrida. A organização também mantém o LLaDA2.X, uma série de modelos de linguagem por difusão, e modelos de áudio da linha Ming.

A inclusionAI funciona como um laboratório de pesquisa que publica modelos, e não como um produto de software com interface própria.

A inclusionAI é indicada a pesquisadores e equipes de aprendizado de máquina que querem baixar pesos abertos de modelos de linguagem, de raciocínio e multimodais da Ant Group e executá-los em infraestrutura própria.

Quem pesquisa raciocínio de longo prazo encontra a série Ring. Quem constrói assistentes e agentes de texto encontra a série Ling. Quem trabalha com entrada e saída em várias modalidades, incluindo áudio, encontra a série Ming. Pesquisadores de arquiteturas alternativas encontram o LLaDA2.X, de modelos de linguagem por difusão.

Os pré-requisitos são práticos. Os pesos são distribuídos no Hugging Face e no ModelScope, e as fontes consultadas não descrevem uma API hospedada pela própria inclusionAI, então a equipe precisa operar a inferência. Os maiores modelos têm 1 trilhão de parâmetros no total, e a organização também publica modelos menores, que são o ponto de partida mais simples para testes.

Cada repositório tem a sua licença, que deve ser lida antes do uso em produto.

Os principais recursos da inclusionAI são as famílias Ling, Ring e Ming, mais modelos de pesquisa como o LLaDA2.X, todos com pesos publicados.

• Ling: modelos de linguagem de grande porte. O Ling-1T tem 1 trilhão de parâmetros, e um comunicado da Ant Group sobre uma versão posterior cita contexto de até 1 milhão de tokens.
• Ring: modelos de raciocínio. O Ring-2.5-1T é descrito na página do modelo como o primeiro modelo de raciocínio de código aberto com 1 trilhão de parâmetros baseado em atenção linear híbrida.
• Ming: modelos multimodais qualquer entrada para qualquer saída, com variantes omni e modelos de áudio listados no Hugging Face.
• LLaDA2.X: série de modelos de linguagem por difusão, mantida pela equipe da inclusionAI na Ant Group, segundo o GitHub.
• Distribuição: pesos no Hugging Face e no ModelScope, com repositórios de código no GitHub.

A página da organização no Hugging Face lista mais de 200 modelos em um instantâneo, então novas variantes aparecem com frequência. Resultados de benchmark divulgados pela Ant Group são autodeclarados e não entram aqui.

A inclusionAI vale a pena para quem quer pesos abertos de modelos de grande porte, de raciocínio e multimodais e tem equipe para operar inferência, e menos para quem procura uma API pronta.

Prós:

• Três famílias com propósitos distintos, linguagem, raciocínio e multimodal, publicadas na mesma organização.
• Pesos no Hugging Face e no ModelScope, com repositórios de código no GitHub.
• Os maiores modelos, com 1 trilhão de parâmetros no total, publicados com pesos abertos.
• Arquiteturas de pesquisa além do padrão, como os modelos de linguagem por difusão do LLaDA2.X.

Contras:

• As fontes consultadas descrevem distribuição de pesos, e não uma API hospedada pela inclusionAI, então a operação da inferência fica com a equipe.
• A listagem tem mais de 200 modelos de gerações diferentes, e é preciso escolher entre famílias e variantes antes de começar.
• Os resultados de benchmark divulgados pela Ant Group são autodeclarados, e a equipe precisa validar o modelo com os próprios dados.
• Cada repositório pode ter licença própria, e a verificação fica por conta de quem vai usar em produto.

As alternativas à inclusionAI são outros laboratórios que publicam pesos de modelos de linguagem de grande porte.

• DeepSeek: laboratório que publica pesos abertos de modelos de linguagem e de raciocínio e oferece API.
• Alibaba Qwen: família Qwen, com vários modelos de pesos abertos em tamanhos diferentes, além de acesso por API.
• Kimi (Moonshot AI): série Kimi K2, em mistura de especialistas com 1 trilhão de parâmetros no total, com pesos no Hugging Face e API compatível com a interface da OpenAI.
• Xiaomi MiMo: família com pesos no GitHub e no Hugging Face e plataforma de API própria.
• Meta Llama: família Llama, publicada com pesos abertos sob uma licença própria da Meta.

A diferença central em relação à inclusionAI é a divisão por propósito. A inclusionAI separa linguagem, raciocínio e multimodal em três famílias, e as alternativas costumam reunir esses usos em menos linhas de modelo. Quem precisa de uma API hospedada tem, em Kimi e Xiaomi MiMo, plataformas próprias descritas nas fontes consultadas.