Maison
Ant Group met en open source Ring-2.5-1T, le premier modèle de raisonnement au monde comptant un billion de paramètres et intégrant une architecture mixte linéaire
Le 13 février, Ant Group a mis à disposition en open source le premier modèle de raisonnement au monde comptant un billion de paramètres, Ring-2.5-1T, basé sur une architecture linéaire hybride. Il offre des performances open source de pointe en matière de génération de textes longs, de raisonnement mathématique et d'exécution de tâches par des agents, constituant ainsi une base hautement performante pour la gestion de tâches complexes à l'ère des agents.
En termes d’efficacité de génération, dans les scénarios de textes longs dépassant les 32K, l’accès à la mémoire de Ring-2.5-1T est plus de 10 fois inférieur à celui de la génération précédente, tandis que le débit est plus de trois fois supérieur. En matière de raisonnement approfondi, le modèle a obtenu des scores dignes d’une médaille d’or (35 pour l’IMO, 105 pour la CMO) lors des auto-évaluations pour l’Olympiade internationale de mathématiques (IMO2025) et l’Olympiade chinoise de mathématiques (CMO2025). Il s’intègre également de manière transparente à des frameworks d’agents tels que les assistants IA personnels Claude Code et OpenClaw, permettant ainsi une planification en plusieurs étapes et l’appel d’outils.

(Légende de la figure : Ring-2.5-1T atteint des performances de pointe parmi les modèles open source dans des tâches de raisonnement de haut niveau de difficulté telles que les mathématiques, le code et la logique, ainsi que dans des tâches d’exécution à long terme telles que la recherche d’agents, l’ingénierie logicielle et l’appel d’outils.)
Dans le cadre de plusieurs benchmarks de référence, Ring-2.5-1T a été systématiquement comparé aux principaux modèles open source et propriétaires, notamment DeepSeek-v3.2-Thinking, Kimi-K2.5-Thinking, GPT-5.2-thinking-high, Gemini-3.0-Pro-preview-thinking et Claude-Opus-4.5-Extended-Thinking. Il a atteint des performances de pointe parmi les modèles open source dans des scénarios de haute difficulté tels que le raisonnement mathématique, la génération de code, le raisonnement logique et l’exécution de tâches par des agents. En particulier en mode « Heavy Thinking », il a surpassé tous les modèles comparés sur des benchmarks de concours mathématiques tels que IMOAnswerBench et HMMT-25, ainsi que sur le benchmark de génération de code LiveCodeBench-v6, démontrant ainsi de solides capacités de raisonnement complexe et de généralisation inter-tâches.
Ring-2.5-1T repose sur l’architecture Ling2.5. En optimisant le mécanisme d’attention, il améliore considérablement l’efficacité et la stabilité du raisonnement sur des textes longs. Le nombre de paramètres activés est passé de 51 milliards dans la génération précédente à 63 milliards. Grâce à l’architecture d’attention linéaire hybride, l’efficacité du raisonnement est nettement améliorée par rapport à la génération précédente. Par rapport à l’architecture KIMI K2, qui ne compte que 32 milliards de paramètres activés, l’architecture Ling2.5 présente des avantages significatifs en termes de débit pour les tâches de raisonnement sur de longues séquences, avec un nombre total de paramètres de 1 T, et cet avantage en termes d’efficacité s’accroît à mesure que la longueur de génération augmente.

(Légende de la figure : Comparaison d’efficacité pour différentes longueurs de génération. Plus la génération est longue, plus l’avantage en termes de débit est prononcé.)
Alors que les applications des grands modèles d’IA s’étendent des conversations courtes au traitement de longs documents, à la compréhension de code entre fichiers et à la planification de tâches complexes, Ring-2.5-1T répond efficacement aux défis posés par les coûts de calcul élevés et la lenteur du raisonnement dans les scénarios de sortie longue. La mise en open source de ce modèle met également en évidence les capacités globales de l’équipe Ant Bailing en matière d’infrastructure d’entraînement à grande échelle, d’optimisation des algorithmes et de mise en œuvre technique, offrant ainsi au secteur un nouveau choix de modèles de base hautement performants et efficaces à l’ère des agents.
À l’heure actuelle, les poids du modèle et le code d’inférence de Ring-2.5-1T ont été publiés sur les principales plateformes open source telles que Hugging Face et ModelScope. La page officielle dédiée à l’expérience de chat ainsi que le service API seront bientôt disponibles.
Article connexe
Nvidia prévoit de tirer 25 % de son chiffre d'affaires de l'année prochaine de ses laboratoires financés
Nvidia a investi près de 50 milliards de dollars américains dans des laboratoires d'IA qui achètent ses puces, obtenant ainsi des engagements pour un montant total de plus de 500 milliards de dollars.
Cloudera s'associe à Mistral pour proposer des solutions de gestion des données d'entreprise et une IA souveraine
Cloudera et Mistral associent la plateforme hybride de données et d’IA de Cloudera aux modèles d’IA souverains de Mistral. Crédit : ClouderaCloudera et Mistral AI ont conclu un partenariat visant à fo
Onsemi va acquérir Synaptics pour 7 milliards de dollars en actions, renforçant ainsi sa position sur le marché des puces d'IA de périphérie
Le 25 février, onsemi, l'un des principaux fabricants de semi-conducteurs, a annoncé son intention d'acquérir Synaptics, spécialiste des puces d'IA en périphérie, dans le cadre d'une opération entière
Recommandations de sujets spéciaux liés
commentaires (0)
Le 13 février, Ant Group a mis à disposition en open source le premier modèle de raisonnement au monde comptant un billion de paramètres, Ring-2.5-1T, basé sur une architecture linéaire hybride. Il offre des performances open source de pointe en matière de génération de textes longs, de raisonnement mathématique et d'exécution de tâches par des agents, constituant ainsi une base hautement performante pour la gestion de tâches complexes à l'ère des agents.
En termes d’efficacité de génération, dans les scénarios de textes longs dépassant les 32K, l’accès à la mémoire de Ring-2.5-1T est plus de 10 fois inférieur à celui de la génération précédente, tandis que le débit est plus de trois fois supérieur. En matière de raisonnement approfondi, le modèle a obtenu des scores dignes d’une médaille d’or (35 pour l’IMO, 105 pour la CMO) lors des auto-évaluations pour l’Olympiade internationale de mathématiques (IMO2025) et l’Olympiade chinoise de mathématiques (CMO2025). Il s’intègre également de manière transparente à des frameworks d’agents tels que les assistants IA personnels Claude Code et OpenClaw, permettant ainsi une planification en plusieurs étapes et l’appel d’outils.

(Légende de la figure : Ring-2.5-1T atteint des performances de pointe parmi les modèles open source dans des tâches de raisonnement de haut niveau de difficulté telles que les mathématiques, le code et la logique, ainsi que dans des tâches d’exécution à long terme telles que la recherche d’agents, l’ingénierie logicielle et l’appel d’outils.)
Dans le cadre de plusieurs benchmarks de référence, Ring-2.5-1T a été systématiquement comparé aux principaux modèles open source et propriétaires, notamment DeepSeek-v3.2-Thinking, Kimi-K2.5-Thinking, GPT-5.2-thinking-high, Gemini-3.0-Pro-preview-thinking et Claude-Opus-4.5-Extended-Thinking. Il a atteint des performances de pointe parmi les modèles open source dans des scénarios de haute difficulté tels que le raisonnement mathématique, la génération de code, le raisonnement logique et l’exécution de tâches par des agents. En particulier en mode « Heavy Thinking », il a surpassé tous les modèles comparés sur des benchmarks de concours mathématiques tels que IMOAnswerBench et HMMT-25, ainsi que sur le benchmark de génération de code LiveCodeBench-v6, démontrant ainsi de solides capacités de raisonnement complexe et de généralisation inter-tâches.
Ring-2.5-1T repose sur l’architecture Ling2.5. En optimisant le mécanisme d’attention, il améliore considérablement l’efficacité et la stabilité du raisonnement sur des textes longs. Le nombre de paramètres activés est passé de 51 milliards dans la génération précédente à 63 milliards. Grâce à l’architecture d’attention linéaire hybride, l’efficacité du raisonnement est nettement améliorée par rapport à la génération précédente. Par rapport à l’architecture KIMI K2, qui ne compte que 32 milliards de paramètres activés, l’architecture Ling2.5 présente des avantages significatifs en termes de débit pour les tâches de raisonnement sur de longues séquences, avec un nombre total de paramètres de 1 T, et cet avantage en termes d’efficacité s’accroît à mesure que la longueur de génération augmente.

(Légende de la figure : Comparaison d’efficacité pour différentes longueurs de génération. Plus la génération est longue, plus l’avantage en termes de débit est prononcé.)
Alors que les applications des grands modèles d’IA s’étendent des conversations courtes au traitement de longs documents, à la compréhension de code entre fichiers et à la planification de tâches complexes, Ring-2.5-1T répond efficacement aux défis posés par les coûts de calcul élevés et la lenteur du raisonnement dans les scénarios de sortie longue. La mise en open source de ce modèle met également en évidence les capacités globales de l’équipe Ant Bailing en matière d’infrastructure d’entraînement à grande échelle, d’optimisation des algorithmes et de mise en œuvre technique, offrant ainsi au secteur un nouveau choix de modèles de base hautement performants et efficaces à l’ère des agents.
À l’heure actuelle, les poids du modèle et le code d’inférence de Ring-2.5-1T ont été publiés sur les principales plateformes open source telles que Hugging Face et ModelScope. La page officielle dédiée à l’expérience de chat ainsi que le service API seront bientôt disponibles.
Nvidia prévoit de tirer 25 % de son chiffre d'affaires de l'année prochaine de ses laboratoires financés
Nvidia a investi près de 50 milliards de dollars américains dans des laboratoires d'IA qui achètent ses puces, obtenant ainsi des engagements pour un montant total de plus de 500 milliards de dollars.
Cloudera s'associe à Mistral pour proposer des solutions de gestion des données d'entreprise et une IA souveraine
Cloudera et Mistral associent la plateforme hybride de données et d’IA de Cloudera aux modèles d’IA souverains de Mistral. Crédit : ClouderaCloudera et Mistral AI ont conclu un partenariat visant à fo
Onsemi va acquérir Synaptics pour 7 milliards de dollars en actions, renforçant ainsi sa position sur le marché des puces d'IA de périphérie
Le 25 février, onsemi, l'un des principaux fabricants de semi-conducteurs, a annoncé son intention d'acquérir Synaptics, spécialiste des puces d'IA en périphérie, dans le cadre d'une opération entière











