北京
2月13日，蚂蚁集团开源发布全球首个基于混合线性架构的万亿参数思考模型Ring-2.5-1T，在长文本生成、数学推理与智能体任务执行上达到开源领先水平，为智能体（Agent）时代的复杂任务处理提供高性能基础支撑。
在生成效率上，Ring-2.5-1T在32K以上长文本生成场景中，对比上代模型访存规模降低10倍以上，生成吞吐提升3倍以上。在深度思考能力方面，该模型在国际数学奥林匹克竞赛（IMO 2025）和中国数学奥林匹克（CMO 2025）自测均达到金牌水平（IMO 35分、CMO 105分）。同时，可轻松适配Claude Code等智能体框架与OpenClaw个人AI助理，支持多步规划与工具调用。
（图说：Ring-2.5-1T在数学、代码、逻辑等高难推理任务和智能体搜索、软件工程、工具调用等长程任务执行上均达到开源领先水平）
在多项权威基准测试中，Ring-2.5-1T 与DeepSeek-v3.2-Thinking、Kimi-K2.5-Thinking、GPT-5.2-thinking-high、Gemini-3.0-Pro-preview-thinking-high、Claude-Opus-4.5-Extended-Thinking 等主流开源与闭源模型进行了系统对比，在数学推理、代码生成、逻辑推理和智能体任务执行等高难场景中达到开源领先水平。尤其在深度思考（Heavy Thinking）模式下，Ring-2.5-1T在IMOAnswerBench、HMMT-25等数学竞赛推理基准和LiveCodeBench-v6代码生成基准中超越所有对比模型，展现了强大的复杂推理与跨任务泛化能力。
Ring-2.5-1T基于Ling 2.5架构，通过优化注意力机制，显著提升长文本推理的效率与稳定性。模型激活参数规模从前代的 51B 提升至63B，但在混合线性注意力架构的支持下，推理效率相比上一代大幅提升。与仅具备 32B 激活参数的KIMI K2架构相比，在1T总参数量下，Ling 2.5架构在长序列推理任务中的吞吐表现依然优势显著，且随着生成长度增加，效率优势持续扩大。
（图说：在不同生成长度下的效率对比示意。生成长度越长，吞吐优势越明显）
随着AI大模型应用从短对话向长文档处理、跨文件代码理解、复杂任务规划等场景扩展，Ring-2.5-1T有效缓解了长输出场景下计算开销高、推理速度慢的问题。该模型的开源也体现了蚂蚁百灵团队在大规模训练基础设施、算法优化和工程落地方面的综合能力，为行业提供了高性能、高效率的智能体时代基础模型新选择。
目前，Ring-2.5-1T 的模型权重与推理代码已在Hugging Face、ModelScope等主流开源平台发布。官方平台Chat体验页和API服务将在近期上线。
��Hugging Face：
https://huggingface.co/inclusionAI/Ring-2.5-1T-FP8
��ModelScope：
https://modelscope.cn/models/inclusionAI/Ring-2.5-1T-FP8
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
