蚂蚁集团与 inclusion AI 联合推出 Ming-Omni 多模态模型，可处理图像、文本、音频和视频。该模型采用专用编码器提取 tokens，并通过 Ling 的 MoE 架构融合多模态输入，支持多样化任务。Ming-Omni 还具备音频和图像生成能力，可实现自然语音生成、高质量图像生成、上下文感知聊天及图像编辑等功能。