inclusionAI 开源 Ming-3.0-audio-flash:126B MoE 音频模型,MIT 协议
BerryBlush_Rogers691 · reddit · 2026-10-19
inclusionAI 在 Hugging Face 上发布 Ming-3.0-audio-flash,一个音频理解 + 语音输出的开源模型，MIT 许可证。
要点：
- 126B 总参数 / 6.5B 激活的 MoE 架构，接受音频加文本指令，可返回文本或语音(可选 Talker,支持内置音色或参考音频)
- 能力覆盖转写、语音问答、长录音理解，以及对语音、环境音、音乐的推理；中英文为主，宣称支持口音、方言和嘈杂录音
- 从配图 benchmark 看，中文 ASR 平均 CER 3.45、方言平均 9.40,优于 Seed2.0 Lite、MiMo-V2.6 Pro、Qwen3.8-Omni Flash 和 Gemini 3.8 Flash;英文平均 WER 3.69 略逊 Seed2.0 Lite
- 本地部署文档覆盖 Transformers、SGLang、vLLM-Omni:SGLang 验证配置为 4 卡文本输出，vLLM-Omni 128K 参考配置为 8 张 80GB H800(为参考配置而非最低要求)
作者建议的首个实测场景：让人声重叠的混乱录音，再针对内容提问。
「模型」频道最新
- LightOn 开源 SlideOn 稀疏检索模型:174M/339M 参数登顶 BEIR-15 — IgorCarron · 2026-10-19
- 斯坦福学者批评自动可解释性评测：只查不召回，易生「事后故事」 — ChrisGPotts · 2026-10-19
- Mistral 发布 Timestral 时序基础模型，209M 参数登顶 GIFT-Eval — petrusenko_max · 2026-10-19
- FrontierMath Tier 4 已被 OpenAI 刷满，Gemini 4 仅得 78% 低于预期 — haider1 · 2026-10-19
- OpenRouter 数据：美国模型 token 消耗停滞 8 周，中国供应周消耗 79.2T — SumitGup · 2026-10-19
- 用户发现 Claude Opus 5.5 疑被路由到更强的未公布新模型 — testingcatalog · 2026-10-19