OpenAI 开源其思维链可监控性评测的数据集与参考代码，仓库地址为 https://github.com/openai/monitorability-evals，并同步发布计算 g-mean2 指标的代码和模拟评测脚手架。OpenAI 表示已在 GPT-5.4 thinking、GPT-5.2 thinking、GPT-5 thinking 和 o3 的系统卡中回填完整可监控性评测结果，未来前沿推理模型系统卡也会报告该结果。部分依赖私有或受限数据的评测未纳入开源，包括 Health Queries、FrontierMath、Math Diamond、OAI-Repo-Sabotage、Anti-Scheming 等。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源多模态安全护栏模型家族 SingGuard，覆盖文本、图像、图文、多语言、查询侧与响应侧安全评估，将安全策略作为运行时输入而非固定训练分类，无需重训即可按默认类别或自定义自然语言规则判定内容。模型支持 fast 快速判定与策略推理两种模式，并可通过 vLLM 部署、提供 OpenAI 兼容 API，采用 Apache-2.0 许可；模型权重、技术报告与评测资源将陆续发布。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 开源 PanelWise，一个自托管的多模型深度研究系统，把同一任务发给可配置的模型面板，再通过 eval 与 no-eval 两种执行拓扑把各模型结果融合成有证据支撑的报告。它提供 Python 3.10+ 的库与 CLI，支持 OpenRouter、ZenMux 及任意 OpenAI 兼容接口，结果对象统一返回 request_id、mode、status、output、usage 和 errors。在 DRACO 全部 100 个任务上，其前沿面板得分比 OpenRouter 公布的 Fusion 结果高 5.38 分，独立预算运行比最强单模型基线高 1.12 分，采用 Apache-2.0 许可。
蚂蚁 inclusionAI 在 GitHub 开源 PanelWise，一个自托管的多模型深度研究系统，把同一任务发给可配置的模型面板，再通过 eval 与 no-eval 两种执行拓扑把各模型结果融合成有证据支撑的报告。它提供 Python 3.10+ 的库与 CLI，支持 OpenRouter、ZenMux 及任意 OpenAI 兼容接口，结果对象统一返回 request id、mode、status、output、usage 和 errors。在 DRACO 全部 100 个任务上，其前沿面板得分比 OpenRouter 公布的 Fusion 结果高 5.38 分，独立预算运行比最强单模型基线高 1.12 分，采用 Apache-2.0 许可。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 发布 ConceptEdit-12M 与 ConceptEdit-Bench，用于大规模、基于分类体系的图像编辑数据集生成。该仓库提供三阶段流水线，并附带 ConceptBench 基准评测代码，涵盖推理、VLM 评判、指标聚合与可视化。项目采用 MIT 许可证，各步骤幂等且支持断点续跑。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 上线 LLaDA-Research，一个面向 LLaDA 2.x 模型家族的英文优先研究索引站点，发布模型、论文与技术博客，内容以 MDX 编写并部署为静态 GitHub Pages。站点本地开发需 Node.js 22 或更新版本，开发服务器运行在 http://localhost:4321，推送 main 分支后经 GitHub Actions 测试并发布构建。初始内容来自 LLaDA2.X、LLaDA2.0-Uni 及 Hugging Face 上的 InclusionAI 官方公开项目。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 发布 SingProbe 官方训练代码，这是一个基于冻结 Base Model（如 Ling-3.0-flash）多层隐藏状态的轻量级 token 级探针训练框架，每个 token 输出 10 维 logits。Base Model 完全 requires_grad=False 仅做前向推理，由打过 token-probe 补丁的 SGLang 构建实时将指定层隐藏状态写入 tmpfs，训练侧以流式方式学习。框架覆盖三个任务、提供两种探针架构，训练完成后自动转换为标准 HuggingFace 模型目录。
蚂蚁 inclusionAI 在 GitHub 发布 SingProbe 官方训练代码，这是一个基于冻结 Base Model（如 Ling-3.0-flash）多层隐藏状态的轻量级 token 级探针训练框架，每个 token 输出 10 维 logits。Base Model 完全 requires grad=False 仅做前向推理，由打过 token-probe 补丁的 SGLang 构建实时将指定层隐藏状态写入 tmpfs，训练侧以流式方式学习。框架覆盖三个任务、提供两种探针架构，训练完成后自动转换为标准 HuggingFace 模型目录。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-Image，一个 6B 参数统一图像生成与编辑模型家族，包含 50 步的 Base 模型和 4 步蒸馏的 Turbo 模型，支持文生图、VQ 条件生成、参考图编辑以及中英文文字渲染。仓库提供模型权重和基于 Diffusers 的推理代码，训练代码即将发布；官方称其在 Qwen-Image-Bench 上取得英文 53.53、中文 53.38 的总体成绩。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 dFactory，用于 dLLM 的高效微调，支持 LLaDA2.0-mini（16B）和 LLaDA2.0-flash（100B）两款模型，集成（连续）监督微调（block-diffusion、full attention）等方法。项目采用 Apache-2.0 许可，提供 MoE 专家权重合并与拆分脚本，训练需先将权重转为 merged-expert 格式。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 LLaDA-UI，一个基于 MoE 的块级扩散视觉语言 GUI 智能体，端到端约 16.7B 参数，结合原生动态分辨率视觉编码器与 LLaDA2.0-mini-base 扩散语言骨干。训练覆盖 grounding、移动端、桌面端和网页任务，包含 100 多个中文和 70 多个英文移动应用数据。官方称其在全部六项 GUI 基准上超过 Qwen2.5-VL-7B，并在 ScreenSpot-Pro、AndroidWorld、MobileWorld 和 WebVoyager 上超过 Qwen3-VL-8B。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 发布 UI-Venus-2，提供 9B 和 27B 两个版本，仅以截图作为输入，将移动、网页和桌面交互统一到一个端到端 GUI 智能体中。相比 UI-Venus-1.5，新版本扩展了中英文移动环境，从零构建桌面 computer use 能力，并引入基于关键点的验证与验证增强反思机制。仓库同时给出移动、Computer、Browser、Grounding 和 CAPTCHA 等基准上的对比结果，并提供 Venus Framework 等运行框架。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 buildkit-service，为智能体基础设施提供分布式镜像构建与包镜像服务，可将 Dockerfile 批量构建为 OCI / Nydus 镜像并推送到任意 OCI registry。它内置 pip、npm、apt/yum/dnf、apk、git 及容器 registry 的集群内缓存，支持 buildctl-batch 批量构建、buildctl-daemon HTTP 构建 API 与 Dragonfly 镜像预热，基于 Kubernetes + Helm 部署，采用 Apache-2.0 许可。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 Realtime-Venus，一个结合全双工对话模型与异步执行框架的交互系统，可在持续对话的同时把任务交给 Harness 推理或调用工具，结果回到同一对话中语音播报。项目包含 Omni 模型集成、可复用的 Harness 包和基于 Codex 任务后端的浏览器 Demo，在线 Duplex Demo 需至少一块 NVIDIA A100 GPU，另提供 Beta 版 Android 演示包。该研究项目由 Venus Team 与清华大学合作完成，代码采用 Apache-2.0 许可。
匹配字段摘要
蚂蚁 inclusionAI 的 AGI Research Center 在 GitHub 开源 LLaDA2.0-Uni，一个基于 dLLM 的 MoE 统一模型，把多模态理解与生成整合进 Mask Token Prediction 范式。模型支持文生图（含 thinking 模式）、图像理解与图像编辑，采用 SigLIP-VQ 离散语义 tokenizer 和扩散解码器，经蒸馏可实现 8 步推理。仓库已放出 HuggingFace 模型权重、FP8 量化版本、ComfyUI 与 Diffusers 支持，以及 SGLang 服务支持，采用 Apache License 2.0。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 Ming-Image-0.1-Design 系列，包含两个 6B 参数模型：Ming-Image-0.1-Design 生成 UI、信息图、海报等完整视觉设计，Ming-Image-0.1-Design-Layer 将扁平化设计图拆解为可独立编辑的透明图层。默认最低部署为单张 80 GiB 显存 GPU、BF16 精度，文本生图默认输出 2048 × 2048，图层拆解工作尺寸可选 512 或 1024。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 Awex，一个面向 RL 工作流的高性能训练到推理权重同步框架，目标是实现秒级参数更新。在千卡规模集群上，Awex 使用 NCCL 传输可在 1 秒内交换 10B 规模模型权重、20 秒内交换 1T 规模模型权重，改用 RDMA 传输后 1T 模型权重交换时间可降至 6 秒。框架支持 NCCL、RDMA 和共享内存多种传输模式，兼容 Megatron、SGLang、vLLM，并提供 NPU 实验性支持。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 上线 vllm-ling-v3 仓库，基于 vLLM 提供 LLM 推理与服务。vLLM 支持 PagedAttention、连续批处理、FP8/INT4 等量化，并兼容 200+ Hugging Face 模型架构，覆盖 NVIDIA、AMD、Intel GPU 及华为昇腾等硬件。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源智能体工作区 Choruz，可异步把用户交互轨迹转化为个性化基准，用于适配执行框架、减少重复错误，并支持选择性替换为自配置的小型模型。原生轨迹学习目前支持 Codex 和 Claude Code，Muse 工作区可执行但原生学习适配器尚未包含；项目处于预发布阶段，接口、配置和数据格式可能不兼容变更，采用 Apache-2.0 许可。
匹配字段摘要
蚂蚁 inclusionAI 在 GitHub 开源 cuLA，用 CuTe DSL 和 CUTLASS C++ 为 GLA、KDA、GDN、Lightning Attention 等线性注意力变体提供手调 CUDA 内核，面向 NVIDIA Blackwell（SM10X）和 Hopper（SM90）GPU。它设计为 flash-linear-attention（FLA）的子模块，接口一致，只需改一行 import 即可接入。基准显示 FlashKDA Prefill 在 Hopper 上平均较 FLA 提速 2.72x、最高 7.56x，Lightning Attention Prefill 在 Blackwell 上最高提速 2.08x；项目仍处早期开发阶段。
匹配字段摘要、正文
蚂蚁 inclusionAI 在 GitHub 发布 PolyOCR-Venus，一个基于 Qwen3.5 视觉语言骨干的 2B 和 9B OCR 基础模型家族，统一支持文本识别、定位、文档解析、信息抽取、多语言转换与 OCR 推理。PolyOCR-9B 配合 PP-DocLayoutV3 布局引导流程在 OmniDocBench v1.6 上达到 95.48，高于整页直接推理的 91.57。本次发布仅含技术报告与 OCRBench 评测代码，模型权重、训练代码及 CC-OCR/OmniDocBench 流程未包含在内。
匹配字段摘要
Factory 正式发布 Environments，为 Droids 云智能体提供可复用的沙箱定义，包含仓库、工具和依赖，并提前构建为可移植镜像。Factory 每隔几小时重建并验证 Environments，仅推广构建成功的版本，同时支持 Automations 定时或响应 Slack、GitHub 和 webhook 触发任务。
匹配字段摘要、正文