蚂蚁按欧盟AI法案公开模型训练摘要

蚂蚁 inclusionAI 近日在 HuggingFace 上开设了一个名为 AI-Transparency 的仓库，把旗下 Ling、Ring、Ming 几大系列模型的训练内容摘要一次性公开。这次公开的不是模型权重，也不是训练数据集，仓库里只有文档，核心目的只有一个，就是把“模型到底吃了什么数据练出来”这件事主动交代清楚。

这套摘要的框架本身就带有明确的监管取向：它严格套用了欧盟第2024/1689号《人工智能法案》第53条第1款d项所关联的公开训练内容摘要模板。也就是说，这不是一份随手写就的技术博客，而是按照欧盟对通用人工智能模型提供方的合规要求，把训练内容披露做成了一套标准格式。

在适用范围上，每一份文档都被钉死在自己点名的模型与版本上。文档里写了 Ling-2.0，就只覆盖 Ling-2.0，包含 Ling1T、Ling-flash2.0、Ling-mini-2.0，不会因为同属一个系列或者带了个量化后缀就自动扩权。

把清单摊开看，覆盖面相当广。Ling 这条线从 2.0、2.5、2.6 一路延伸到 3.0，其中 3.0 又分为 LLM 版本（含 flash、tiny、flash-fin）与 VL 视觉语言版本；Ring 从 2.0、2.5-1T 到 2.6-1T；Ming 家族则拿出 Omni 全模态模型，含 flash-omni-preview 与 flash-omni-2.0，以及 UniAudio-16B-A3B、UniVision-16B-A3B 两款统一音频与视觉模型。每份摘要都标着自己的版本号与更新日期，描述的是对应文档规定层级下的训练内容。

需要说明的是，这些文档并不分发底层训练数据，也不授予第三方内容的任何权利。官方特别强调，文档的存在不等于权威认证或背书，更不意味着 inclusionAI 旗下每一个模型都被覆盖。联系页面指向蚂蚁 Ling 的官方开发者站点，版本历史则提醒读者，PDF 里的日期只是文档版本日期，并不代表首次上网发布的时间，真正的改动以仓库提交记录为准。

从行业角度看，当全球监管把训练透明度从可选项变成硬门槛，把全系模型的训练摘要整齐归档公开，既是在为出海合规铺路，也顺手把“我的模型怎么炼成”这扇门朝外界推开了一道缝。对于关注大模型数据来源与合规路径的开发者来说，这份按标准模板整理的文档清单，提供了一个可对照、可追溯的样本。