勇礪商業(yè)評(píng)論 阿桶觀察 曾憲勇

2月13日，螞蟻集團(tuán)開源發(fā)布全球首個(gè)基于混合線性架構(gòu)的萬億參數(shù)思考模型 Ring-2.5-1T，在長(zhǎng)文本生成、數(shù)學(xué)推理與智能體任務(wù)執(zhí)行上達(dá)到開源領(lǐng)先水平，為智能體（Agent）時(shí)代的復(fù)雜任務(wù)處理提供高性能基礎(chǔ)支撐。

在生成效率上，Ring-2.5-1T在32K以上長(zhǎng)文本生成場(chǎng)景中，對(duì)比上代模型訪存規(guī)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，該模型在國(guó)際數(shù)學(xué)奧林匹克競(jìng)賽（IMO 2025）和中國(guó)數(shù)學(xué)奧林匹克（CMO 2025）自測(cè)均達(dá)到金牌水平（IMO 35分、CMO 105分）。同時(shí)，可輕松適配Claude Code等智能體框架與OpenClaw個(gè)人AI助理，支持多步規(guī)劃與工具調(diào)用。

Ring-2.5-1T在數(shù)學(xué)、代碼、邏輯等高難推理任務(wù)和智能體搜索、軟件工程、工具調(diào)用等長(zhǎng)程任務(wù)執(zhí)行上均達(dá)到開源領(lǐng)先水平

在多項(xiàng)權(quán)威基準(zhǔn)測(cè)試中，Ring-2.5-1T 與 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等主流開源與閉源模型進(jìn)行了系統(tǒng)對(duì)比，在數(shù)學(xué)推理、代碼生成、邏輯推理和智能體任務(wù)執(zhí)行等高難場(chǎng)景中達(dá)到開源領(lǐng)先水平。尤其在深度思考（Heavy Thinking）模式下，該模型在IMOAnswerBench、HMMT-25等數(shù)學(xué)競(jìng)賽推理基準(zhǔn)和LiveCodeBench-v6代碼生成基準(zhǔn)中超越所有對(duì)比模型，展現(xiàn)了強(qiáng)大的復(fù)雜推理與跨任務(wù)泛化能力。

Ring-2.5-1T基于Ling 2.5架構(gòu)，通過優(yōu)化注意力機(jī)制，顯著提升長(zhǎng)文本推理的效率與穩(wěn)定性。模型激活參數(shù)規(guī)模從前代的 51B 提升至 63B，但在混合線性注意力架構(gòu)的支持下，推理效率相比上一代大幅提升。與僅具備 32B 激活參數(shù)的KIMI K2架構(gòu)相比，在1T總參數(shù)量下，Ling 2.5架構(gòu)在長(zhǎng)序列推理任務(wù)中的吞吐表現(xiàn)依然優(yōu)勢(shì)顯著，且隨著生成長(zhǎng)度增加，效率優(yōu)勢(shì)持續(xù)擴(kuò)大。

• 在不同生成長(zhǎng)度下的效率對(duì)比示意。生成長(zhǎng)度越長(zhǎng)，吞吐優(yōu)勢(shì)越明顯

隨著AI大模型應(yīng)用從短對(duì)話向長(zhǎng)文檔處理、跨文件代碼理解、復(fù)雜任務(wù)規(guī)劃等場(chǎng)景擴(kuò)展，Ring-2.5-1T有效緩解了長(zhǎng)輸出場(chǎng)景下計(jì)算開銷高、推理速度慢的問題。該模型的開源也體現(xiàn)了螞蟻百靈團(tuán)隊(duì)在大規(guī)模訓(xùn)練基礎(chǔ)設(shè)施、算法優(yōu)化和工程落地方面的綜合能力，為行業(yè)提供了高性能、高效率的智能體時(shí)代基礎(chǔ)模型新選擇。

目前，Ring-2.5-1T 的模型權(quán)重與推理代碼已在Hugging Face、ModelScope等主流開源平臺(tái)發(fā)布。官方平臺(tái)Chat體驗(yàn)頁和API服務(wù)將在近期上線。（曾憲勇）