今天晚上,蚂蚁的开源实验室 InclusionAI,在官方账号上介绍了一个新模型。
它叫 Duo。
这是这个官方账号第一次公开介绍它。
InclusionAI 是蚂蚁的开源实验室,和大家更熟悉的蚂蚁百灵,是同一条线。
项目主页上,也放了西湖心辰的标识。
实验室自己的说法是,这是第一个「对等世界模型」。
这是他们自己的提法,不是我们替行业下的判断。
简单说,他们把智能,和物理世界里看得见、听得见的东西,当成平起平坐的两边。
常见的世界模型,多半只负责模拟物理世界。
人往往站在外面下指令。
他们靠键盘、鼠标,或者一句话。
Duo 不一样。
它会一直看,也一直听。
然后用画面和声音,实时回话。
中间你也可以插话,把它打断。
今天的介绍帖、仓库、论文和模型入口在这里,文末「相关链接」还会再放一遍:
• 项目仓库
https://github.com/inclusionAI/Duo
• 论文
https://arxiv.org/abs/2611.15131
• 项目主页
https://duo-v1.github.io/
• Hugging Face 模型
https://huggingface.co/collections/inclusionAI/duo-v1
• ModelScope 模型
https://www.modelscope.cn/collections/inclusionAI/Duo-v1

官方项目主页上的对话画面。图源:Duo 项目主页。
时间要说清楚。
今天是官方账号发了介绍。
权重和论文,其实 11 月 13 日就已经挂出来了。
不要把它理解成,今天才第一次开源。
仓库里也写了,这是一版预览。
目前只支持基础的音视频对话。
还不是已经打磨得很熟的消费级产品。

官方介绍视频里的对话画面。图源:InclusionAI 官方帖。
它怎么干活,可以拆成两块来听。
一块叫 Intent,管的是判断。
它要决定,现在该不该开口,该说什么。
另一块叫 Realization。
它把回应做成能看、能听的音视频。
两边一起转,才能边看边聊。
已经放开的权重里,有 Duo v1.0,也有更新一点的 Duo-1.2。
v1.0 还另外放了蒸馏版和量化版。
Duo-1.2 目前只放了基础的因果版。
它的蒸馏版和量化版,仓库里还写着即将发布。
会做视觉互动的 v2,也还没有放出。
代码和权重按 Apache-2.0 协议开源。
相关链接
• 项目仓库
https://github.com/inclusionAI/Duo
• 论文
https://arxiv.org/abs/2611.15131
• 项目主页
https://duo-v1.github.io/
• Hugging Face 模型
https://huggingface.co/collections/inclusionAI/duo-v1
• ModelScope 模型
https://www.modelscope.cn/collections/inclusionAI/Duo-v1
• 官方介绍帖
https://x.com/TheInclusionAI/status/2122707457634177125