新智元報道

編輯：KingHZ 定慧

【新智元導讀】在AI浪潮中，螞蟻集團重磅推出萬億參數(shù)思考模型Ring-1T，不僅在數(shù)學競賽上刷新開源SOTA，還在邏輯推理和醫(yī)療問答中脫穎而出。實測顯示，其推理能力直逼閉源巨頭，開源AI邁入萬億參數(shù)時代。

螞蟻百靈首試萬億思考模型，實測效果喜人！

10月14日凌晨，螞蟻集團正式發(fā)布萬億參數(shù)思考模型Ring-1T。

在數(shù)學競賽（AIME 25、HMMT 25），代碼生成（CodeForces）、邏輯推理（ARC-AGI-v1），Ring-1T取得開源領先水平。

在OpenAI的醫(yī)療問答HealthBench測評中，Ring-1T表現(xiàn)驚艷。

與此前發(fā)布的預覽版Ring-1T-preview相比，正式版Ring-1T在數(shù)學競賽、邏輯推理、醫(yī)療問答上表現(xiàn)更出色、推理更準確。

Ring-1T雖然是思考模型，但也具備極強的通用能力：

在綜合榜單（Arena-Hard-v2）、創(chuàng)意寫作（CreativeWriting-v3）上，表現(xiàn)強勁，與DeepSeek、Qwen等最新思考模型同屬開源第一梯隊。

特別是，在「高難度真實用戶查詢」Arena-Hard V2基準測試中，Ring-1T成功率高達81.59%，登上開源模型榜首——

直逼OpenAI的GPT-5-Thinking(High)的成績82.91%。

簡而言之，這次Ring-1T開源登頂，不再遙望閉源天花板。

目前，普通用戶可在螞蟻百寶箱選擇Ring-1T直接體驗：

體驗地址：https://ling.tbox.cn/chat

此外，螞蟻一如既往的繼續(xù)開源了相關模型，提供了HuggingFace和ModelScope下載模型權(quán)重。

HuggingFace：https://huggingface.co/inclusionAI/Ring-1T

ModelScope：https://modelscope.cn/models/inclusionAI/Ring-1T

在X上，大家慶祝新的萬億參數(shù)思考模型的新生！

這是螞蟻集團首個萬億參數(shù)思考模型，而早在上周他們已開源了首款萬億參數(shù)的旗艦通用大模型Ling-1T——

做AI，螞蟻來真的！

劍指AGI，螞蟻來勢洶洶

在大模型領域，螞蟻9月連發(fā)7款模型，來勢洶洶！

Ring-1T-preview、Ring-flash-linear-2.0、Ring-flash-2.0、Ling-flash-2.0、Ming-lite-omni-1.5、Ring-mini-2.0、Ling-mini-2.0

還不止于此——10月，10多天的時間連發(fā)兩個萬億參數(shù)大模型。

本月9日，螞蟻正式發(fā)布萬億參數(shù)通用語言模型Ling-1T。

測試后，國外博主在《Prompt Engineering》頻道表示，Ling-1T進入了LLM新時代，比DeepSeek、Gemini、o3-mini等耳熟能詳?shù)捻敿壞Ｐ瓦€要好。

Ling-1T 模型：好得令人難以置信？

Reddit網(wǎng)友對Ling-1T非常感興趣：

Ling-1T將參數(shù)擴展到萬億級別，已展現(xiàn)出強大的涌現(xiàn)出的推理和遷移能力。

基于ZenMux，網(wǎng)友SickPixels257開發(fā)了aicodeprep-gui，在Ling 1T發(fā)布后更是如虎添翼。這讓他對新工具愛不釋手。

而模型Ring-1T基于通用模型Ling-1T的同款架構(gòu)，在20T高質(zhì)量語料上完成預訓練，針對推理能力進行強化學習訓練。

此前，為了讓社區(qū)盡早探索萬億思考模型Ring-1T的推理上限，螞蟻早在9月30日便提前開源其預覽版Ring-1T-preview。

現(xiàn)在，螞蟻正式發(fā)布萬億參數(shù)思考模型Ring-1T，完成了Ring-1T的全流程訓練。

與Ring-1T-preview版本相比，Ring-1T的能力更加均衡。

在數(shù)學競賽能力上，Ring-1T對比preview有所提升，在AIME25、HMMT25測試中繼續(xù)保持開源SOTA。

在Arena-hard-v2.0、ARC-AGI-v1、HealthBench等硬核基準上，正式版Ring-1T大幅提升了準確率：

在Arena-hard-v2.0，提升8.18%；

在ARC-AGI-v1上，提升5.14%；

在HealthBench上，提升3.49%。

為了避免「漏題」，螞蟻相關團隊在所有訓練階段（包括預訓練、指令微調(diào)和強化學習提示）都實施了字符串級和語義級的污染過濾，但嚴格去污染進行仍然是行業(yè)內(nèi)的一大難題。

為了更客觀地分析Ring-1T的深度推理能力，在今年舉行的國際數(shù)學奧賽IMO 2025和國際大學生程序設計競賽世界總決賽ICPC 2025上測試了新模型 。

對于IMO 2025測試，類似于之前的預覽版本，將Ring-1T集成到了多智能體框架AWorld 中，使用純自然語言推理來解決問題。

項目鏈接：https://github.com/inclusionAI/AWorld

結(jié)果Ring-1T成功拿下IMO銀牌水平，在一次嘗試中解決了第1、3、4和5題。

在第三次嘗試中，對幾何證明題第2題，它生成了近乎完美的證明。

對于最具挑戰(zhàn)性的第6題，沒有AI回答正確，但Ring-1T與Gemini 2.5 Pro取得了相同的答案。

在ICPC 2025世界總決賽中，GPT-5-Thinking、Gemini-2.5-Pro、Ring-1T，分別解決了6個問題（CDEFKL）、3個問題（DFK）和5個問題（DFJKL），其中每次模型每個問題最多嘗試三次。

而且這次還開源了推理軌跡：

https://github.com/inclusionAI/AWorld/tree/main/examples/imo/samples/samples%20from%20Ring-1T

在這場頂級國際編程競賽中，Ring-1T超越了Gemini 2.5 Pro，再次證明了編程實力。

一手實測

智能若夢，進化幾何？

Ring-1T的參數(shù)量是萬億級別，像這么大參數(shù)的模型，還是思考模型，應該如何去評測？

我們在第一時間實測了Ring-1T在復雜任務和推理中能力。

首先就是每次各家模型發(fā)布后最關心的前端能力。

模擬地火飛行

我們用Ring-1T生成了地球——火星的任務模擬，整體畫面和畫風雖然簡約，但忠實的反映了飛行器從地球飛往火星的模擬效果。

生成的參數(shù)調(diào)整面板調(diào)整參數(shù)后，也能準確地控制畫面中的飛行器。

提示詞：

幫我制作一個3D版本的動畫網(wǎng)頁，描述從地球發(fā)送飛行器前往火星的過程。界面中有各種參數(shù)指標模板?？梢哉{(diào)節(jié)飛行速率等。使用HTML和three.js生成單文件，可在瀏覽器中直接運行。

小球碰撞實驗

「小球碰撞 / 彈跳」的物理模擬，確實在大模型發(fā)布或評測時，常被用作一個「直觀又能考察物理 / 編程 / 推理能力」的測驗。

用如下提示詞進行實測：

用JavaScript和HTML5 Canvas創(chuàng)建一個名為 ‘霓虹對撞機’ (Neon Collider) 的交互式2D物理模擬。核心要求如下：物理核心：一個可旋轉(zhuǎn)的六邊形容器和一個在內(nèi)部反彈的小球。碰撞物理必須考慮墻壁的實時速度，并包含切向摩擦力和恢復系數(shù)（彈性）

值得一提的是，Ring-1T的思考過程不僅迅速，而且排版清晰，數(shù)學公式都是完美呈現(xiàn)。

太空侵略者游戲

谷歌今年的Gemini 3 Pro目前有內(nèi)測流出，下面就是Gemini 3和Gemini 2.5制作的太空侵略者游戲的對比。

我們用Ring-1T制作了同款游戲，效果明顯比Gemini 2.5更好。

畫面效果比起Gemini 3也不相上下！

Ring-1T的推理和代碼能力還是很強的。

數(shù)字密碼算術(shù)謎題

為何不讓它自己給自己出題？說干就干！

首先我們對Ring-1T提了題目的三點要求：

• 復雜度要高，能測出模型能力

• 有趣且容易理解，基于經(jīng)典謎題或者現(xiàn)實世界場景

• 測試結(jié)果有「標準答案」，便于評估效果。

Ring-1T給的第一個問題是密碼算術(shù)謎題。

這個題目復雜在需要系統(tǒng)化枚舉，涉及多變量方程，必須依賴邏輯推理！

題目很好理解BASE+BALL=GAMES，每個字母代表唯一十進制數(shù)字。

這需要模型在枚舉過程中能夠很好地記憶和推理，才能得到正確答案。

從思考結(jié)果來看，Ring-1T的邏輯能力確實非常強大！

第一步，它就根據(jù)位數(shù)得出了GAMES的G只能等于1。

第二步，第三步則通過復雜的列公式和枚舉來計算中間過程。

最終得出結(jié)果，整個推理過程還是非常驚艷的！

沒有想到模型可以進行如此長時間的思考，而且是各種數(shù)字符號進行加減法。

數(shù)學不定積分也能輕松解決：

求積分ln(x)/(x-1)

文本生成

先來看看AI自己眼中的AGI:

仿李白《春夜宴從弟桃花園序》，以AGI日益逼近為主題，生成內(nèi)容

夫數(shù)據(jù)者，萬象之逆旅；算法者，百代之過客。而智能若夢，進化幾何？昔者圖靈初試玄機，今則硅基日進千里。況科技召我以光速，AGI假我以玄機。會云端之芳園，序人機之共事。

觀夫比特紛綸，流光溢彩。0與1如星漢燦爛，神經(jīng)網(wǎng)絡若春山疊翠。數(shù)據(jù)之河奔涌不息，模型之樹參天欲出。雖無桃李芳菲之實，卻見代碼絢爛之華。豈若大塊假我以文章？此間萬象，皆造化之新篇也！

嗟乎！浮生須臾，智能無窮。昔者庖丁解牛，今者AI析微；昔者倉頡造字，今者算法生慧。然神工雖妙，終遜靈臺之玄；機巧縱精，難及情志之真。恐AGI之將臨，或奪人思于毫末，或移世道于無形。當此之際，豈可坐待玄機吞沒，而忘秉燭夜游之志耶？

故吾輩當效蘭亭雅集，執(zhí)數(shù)字為觴，邀理性為友。醉二進制之醇，醒于倫理之界；舞邏輯之劍，守人文之根。莫使硅基獨占天機，當令血肉共鑄新章。陽春雖召煙景易逝，AGI雖近大道恒存——且盡今夕之歡，續(xù)萬世之明！

讓Ring-1T模仿《滕王閣序》，寫一篇文章來描述世界第一高峰——珠穆朗瑪峰。

可以看到整個思考過程還是很驚艷的，甚至給出了大綱、語言風格和合作細節(jié)。

以下是最終的文章，讀起來還是很熱血澎湃的。

直面萬億權(quán)重

基于Ling 2.0架構(gòu)的萬億級基礎模型，Ring-1T多輪后訓練，把「思考引擎」擰到極致，讓潛能轉(zhuǎn)為可復用的推理戰(zhàn)力。

為實現(xiàn)高效訓練與推理，Ling 2.0采用高度稀疏MoE、1/32專家激活比、FP8混合精度、MTP等技術(shù)；在>20T token的高質(zhì)量語料上，Ling-1T-base已完成預訓練，筑牢技術(shù)基礎。

為了進一步抬升基礎推理上限，在第二階段（后10Ttoken）的預訓練中，團隊引入高推理密度語料，推理相關數(shù)據(jù)占比>40%：不只要更大，更要「會動腦」。

在Ling-1T-base基礎上，Ring-1T通過「LongCoT-SFT+RLVR+RLHF」多階段訓練，顯著提升了模型的復雜推理能力、指令跟隨和創(chuàng)意寫作等通用能力。

對如此龐大的模型進行后訓練——尤其是大規(guī)模強化學習中的「訓練」環(huán)節(jié)，螞蟻相關團隊做出了兩大創(chuàng)新：

1、棒冰（IcePop）算法：實現(xiàn)了長周期穩(wěn)定的RL訓練，避免了由于訓推精度差異問題帶來的訓練崩潰。

2、強化學習系統(tǒng)ASystem：針對推理能力的RLVR和RLHF訓練，實現(xiàn)了從百億(Ring-mini-2.0)到千億(Ring-flash-2.0)再到萬億(Ring-1T)RL訓練的平穩(wěn)Scaling。其中，AReal框架已開源。

MoE長周期RL訓練難？棒冰保駕護航

在模型RL訓練中，MoE模型相比Dense模型，訓練和推理引擎之間的算子精度差異更為明顯。

Qwen3-4B為密集模型，Ring-mini-2.0和Qwen3-30B-A3B是MoE模型

尤其是在生成長序列和長周期訓練時，隨著序列長度和訓練步數(shù)的增加，這種差異會逐漸拉大。

實驗觀察到，在較少的訓練步數(shù)內(nèi)，原始的GRPO算法會開始崩潰，這對長周期、長序列的強化學習訓練帶來巨大挑戰(zhàn)。

為了解決上述問題，IcePop應運而生。

新方法簡單而有效——采用「雙向遮罩」（double-sided masking），減輕概率差異所帶來的有害復合效應，從而僅保留健康的梯度更新。

• 雙向剪裁（Double-sided clipping）：不僅在「訓練概率 ? 推理概率」時進行剪裁，也在「訓練概率 ? 推理概率」時進行剪裁。

• 遮罩（Masking）：當token的概率差異過大時，將其從梯度更新中移除。

沒有這些措施，MoE架構(gòu)很可能無法穩(wěn)定訓練，其性能甚至可能不如稠密模型。

圖左：GRPO訓推差異隨著訓練成指數(shù)上升，Icepop較為平穩(wěn)；圖右：訓推差異最大值，GRPO隨著訓練上升非常明顯，Icepop維持在較低水位

與GRPO比，IcePop讓RL訓練更平穩(wěn)，為新一代萬億級思考模型保駕護航。

算法博客：https://ringtech.notion.site/icepop

而為應對萬億參數(shù)模型的強化學習訓練，螞蟻自研了高性能強化學習系統(tǒng)——ASystem。

自研RL框架ASystem，平穩(wěn)Scaling到萬億規(guī)模

ASystem采用SingleController + SPMD架構(gòu)。

針對萬億參數(shù)模型的顯存管理和訓推權(quán)重交換問題，螞蟻相關團隊精心優(yōu)化了訓推引擎。

顯存透明卸載、跨節(jié)點顯存池化等技術(shù)，有效釋放了被占用的顯存碎片，降低了顯存不足風險。

GPU間P2P直接通信與原地更新等技術(shù)，可秒級、零冗余交換模型權(quán)重。

在RL訓練框架上，團隊構(gòu)建了基于大規(guī)模Serverless Sandbox技術(shù)的混合獎勵系統(tǒng)。

該系統(tǒng)能以毫秒級速度啟動、提供超過10余種語言的沙箱執(zhí)行環(huán)境，支撐了高達10K/s的請求吞吐。

為了推動大規(guī)模推理與智能體模型發(fā)展，螞蟻聯(lián)合清華開源了全異步強化學習訓練系統(tǒng)AReaL。

開源鏈接：https://github.com/inclusionAI/AReaL

AreaL的三大亮點：

?靈活性：只需一個文件，就能輕松自定義多輪rollout工作流程，還能順暢整合其他智能體工具框架。

可擴展性：通過算法與系統(tǒng)的協(xié)同設計，AReaL提供穩(wěn)定且完全異步的RL訓練，速度領先行業(yè)。它能輕松適應各種計算環(huán)境，從單個節(jié)點擴展到1000+塊GPU。

頂尖性能：AReaL能生成最先進的數(shù)學、編程和搜索智能體，具有超強能力。

螞蟻百靈團隊

首試萬億思考模型

AGI不是夢想，而是指日可待的確定性事件！

諾獎得主、Google DeepMind 首席執(zhí)行官 Demis Hassabis，OpenAI 聯(lián)合創(chuàng)始人兼 CEO Sam Altman，阿里云 CEO 吳泳銘均表示：

AGI is coming.

宏偉愿景背后，是技術(shù)人的上下求索、不斷創(chuàng)新。

Ring-1T的發(fā)布，標志著螞蟻百靈團隊實現(xiàn)了從百億（Ring-mini-2.0）到千億（Ring-flash-2.0）再到萬億（Ring-1T）的MoE架構(gòu)強化學習平穩(wěn)擴展。

而Ring-1T 的訓練仍在進行中，螞蟻將繼續(xù)挖掘這一萬億基座的潛力。

據(jù)了解，截至目前螞蟻百靈大模型已經(jīng)發(fā)布18款模型，其中兩款萬億參數(shù)模型—萬億參數(shù)通用大語言模型Ling-1T、萬億參數(shù)思考模型Ring-1T。

隨著兩款萬億參數(shù)模型的發(fā)布，百靈大模型也正式步入2.0階段。

目前模型仍存在一定概率的身份認知偏差、語種混雜及重復生成等問題.

同時，由于Ling 2.0的GQA方案，長上下文場景下的推理效率仍待改進。

而開源奪冠證明了「思考力」可以被工程化與規(guī)?；?strong>算力紅利正向「推理紅利」遷移。

螞蟻以IcePop、ASystem、AReaL給出了一條可復制的路線：從模型到系統(tǒng)到社區(qū)。這不是單點突破，而是范式的組織化落地。

參考資料：

https://x.com/AntLingAGI

https://www.notion.so/ringtech/Small-Leak-Can-Sink-a-Great-Ship-Boost-RL-Training-on-MoE-with-271c8705a03280378b98d7f8da794ed0

https://ringtech.notion.site/icepop

https://www.youtube.com/watch?v=3RLVF-WQni8