Ant Group melalui divisi AntLingAGI resmi meluncurkan Ming-flash-omni 2.0, sebuah model bahasa besar multimodal (omni-MLLM) yang bersifat terbuka.

Model ini dirancang dengan arsitektur canggih untuk menangani berbagai tugas mulai dari pengolahan audio hingga pemahaman visual yang mendetail.

Fitur utama dan kelebihan:

• Lisensi terbuka: Dirilis di bawah lisensi MIT yang memberikan fleksibilitas tinggi bagi pengembang.
• Arsitektur MoE: Menggunakan struktur Mixture of Experts (MoE) dengan total 100 miliar parameter, namun hanya mengaktifkan 6 miliar parameter saat beroperasi guna efisiensi.
• Kloning suara instan: Mendukung fitur zero-shot voice cloning yang memungkinkan peniruan suara tanpa pelatihan tambahan.
• Audio terkendali: Menghadirkan kemampuan kontrol audio yang presisi untuk berbagai kebutuhan integrasi suara.
• Pemahaman visual mendalam: Dilengkapi dengan fitur fine-grained visual knowledge grounding untuk pemetaan informasi visual yang lebih akurat.

Model ini sudah dapat diakses dan diunduh melalui platform Hugging Face.