Heim
Bai Ling veröffentlicht das Open-Source-Modell „Ring-2.6-1T“ für große Modelle, das auf reale komplexe Aufgabenzyklen ausgerichtet ist
Bailin Large Model hat heute sein Flaggschiff-Inferenzmodell „Ring-2.6-1T“ mit einer Billion Parametern offiziell als Open-Source-Projekt veröffentlicht. Das Modell wurde entwickelt, um die Herausforderung der begrenzten Ausführungsfähigkeiten großer Modelle in realen Produktionsumgebungen zu bewältigen. Dieses Modell geht über eine bloße Skalierung der Parameter hinaus; es markiert einen grundlegenden Wandel hin zu einer durchgängigen Weiterentwicklung langkettiger Aufgaben wie Agenten-Workflows, Softwareentwicklung und wissenschaftliche Analysen.

Auf technischer Ebene erzielt „Ring-2.6-1T“ drei entscheidende Durchbrüche. Erstens steigert es die Ausführungsfähigkeiten von Agenten erheblich und erreicht dabei Open-Source-Spitzenergebnisse bei Benchmarks wie „PinchBench“ und „ClawEval“, die die Anpassungsfähigkeit von Agenten bewerten, während gleichzeitig die Aufgabenzerlegung und die Korrektur durch Feedback deutlich verbessert werden.
Zweitens führt es einen innovativen, einstellbaren Mechanismus namens „Reasoning Effort“ mit zwei Intensitätsstufen ein: „high “ und „xhigh“. Dies ermöglicht es Entwicklern, Kosten und Leistung je nach Aufgabenkomplexität abzugleichen. Die Stufe „high“ liefert starke Ergebnisse bei den Tau2-Bench-Tests für das Telekommunikationsgeschäft, während die Stufe „xhigh“ bei hochkomplexen Schlussfolgerungsaufgaben wie AIME26 und GPQA Diamond die Leistungsgrenze erreicht.
Schließlich nutzt das Modell eine asynchrone Architektur für verstärktes Lernen in Kombination mit dem „Ice-Stick-Algorithmus“, wodurch Stabilitätsprobleme während langer Trainingszyklen bei Modellen mit Billionen von Parametern effektiv gelöst und die Ressourcenauslastung deutlich verbessert werden.
Ring-2.6-1T ist ab sofort auf Hugging Face und ModelScope verfügbar. Zwar räumt das Team ein, dass bei der Stabilität der Bereitstellung über einen langen Zeitraum noch Verbesserungsbedarf besteht, doch stellt die Veröffentlichung dieses Modells als Open-Source-Projekt einen qualitativen Wandel für die KI dar – weg von einzelnen Dialoginteraktionen hin zu einer Ausführungs-Engine mit autonomen Planungs- und Werkzeugkooperationsfähigkeiten –, die Entwicklern weltweit eine solide Grundlage für die Erforschung komplexer Automatisierungsprozesse bietet.
Verwandter Artikel
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter
Einhaltung der Vorschriften für autonome Fahrzeuge in Kalifornien: Eine neue Ära von Bußgeldern, Geofences und 1 Million Meilen
Guident betreibt einen AuveTech-Shuttle in Südflorida und verwaltet mithilfe seiner Fernüberwachungstechnologie eine vier Meilen lange Strecke in West Palm Beach sowie eine eine Meile lange Strecke in
Empfehlungen zu verwandten Spezialthemen
Kommentare (0)

Auf technischer Ebene erzielt „Ring-2.6-1T“ drei entscheidende Durchbrüche. Erstens steigert es die Ausführungsfähigkeiten von Agenten erheblich und erreicht dabei Open-Source-Spitzenergebnisse bei Benchmarks wie „PinchBench“ und „ClawEval“, die die Anpassungsfähigkeit von Agenten bewerten, während gleichzeitig die Aufgabenzerlegung und die Korrektur durch Feedback deutlich verbessert werden.
Zweitens führt es einen innovativen, einstellbaren Mechanismus namens „Reasoning Effort“ mit zwei Intensitätsstufen ein: „high “ und „xhigh“. Dies ermöglicht es Entwicklern, Kosten und Leistung je nach Aufgabenkomplexität abzugleichen. Die Stufe „high“ liefert starke Ergebnisse bei den Tau2-Bench-Tests für das Telekommunikationsgeschäft, während die Stufe „xhigh“ bei hochkomplexen Schlussfolgerungsaufgaben wie AIME26 und GPQA Diamond die Leistungsgrenze erreicht.
Schließlich nutzt das Modell eine asynchrone Architektur für verstärktes Lernen in Kombination mit dem „Ice-Stick-Algorithmus“, wodurch Stabilitätsprobleme während langer Trainingszyklen bei Modellen mit Billionen von Parametern effektiv gelöst und die Ressourcenauslastung deutlich verbessert werden.
Ring-2.6-1T ist ab sofort auf
DeepMind-CEO Hassabis: Ich schlafe sechs Stunden pro Tag und fühle mich normalerweise gegen 1 Uhr nachts energiegeladen.
Fortune hat kürzlich ein Interview mit Demis Hassabis, dem CEO von Google DeepMind, veröffentlicht, das seinen unkonventionellen Ansatz zu Erholung und Produktivität offenbart. Hassabis gab bekannt, dass er sehr wenig schläft und seine wachen Stunden
OpenAI und Anthropic kämpfen trotz Umsatzrückgängen um Marktanteile
Obwohl jüngste Berichte darauf hindeuten, dass OpenAI seine Umsatzziele verfehlt hat, was an diesem Dienstag Druck auf die Technologieaktien ausübte, zeigen sich private Investoren in KI-Labore weiter











