Maison
Modèle à grande échelle open source Ring-2.6-1T de Bai Ling, destiné aux boucles de tâches réelles complexes
Bailin Large Model a officiellement mis en open source aujourd’hui son modèle de raisonnement phare à un billion de paramètres, Ring-2.6-1T , conçu pour relever le défi posé par les capacités d’exécution limitées des grands modèles dans les environnements de production réels. Ce modèle va au-delà d’une simple augmentation du nombre de paramètres ; il marque un tournant fondamental vers une avancée de bout en bout dans les tâches à longue chaîne telles que les workflows d’agents, l’ingénierie logicielle et l’analyse scientifique.

Sur le plan technique, Ring-2.6-1T réalise trois avancées majeures. Premièrement, il renforce considérablement les capacités d’exécution des agents, atteignant des résultats de pointe dans le domaine de l’open source sur des benchmarks tels que PinchBench et ClawEval, qui évaluent l’adaptabilité des agents, tout en améliorant considérablement la décomposition des tâches et la correction par rétroaction.
Deuxièmement, il introduit un mécanisme innovant et ajustable appelé « Reasoning Effort », doté de deux niveaux d’intensité : « high » et « xhigh ». Cela permet aux développeurs d’équilibrer coût et performances en fonction de la complexité de la tâche. Le niveau « high » offre d’excellents résultats lors des tests Tau2-Bench dans le secteur des télécommunications, tandis que le niveau « xhigh » atteint le plafond de capacité sur des tâches de raisonnement très difficiles telles que AIME26 et GPQA Diamond.
Enfin, le modèle adopte une architecture d’apprentissage par renforcement asynchrone combinée à l’« algorithme Ice Stick », ce qui résout efficacement les problèmes de stabilité lors des longs cycles d’entraînement des modèles à un trillion de paramètres et améliore considérablement l’utilisation des ressources.
Ring-2.6-1T est désormais disponible sur Hugging Face et ModelScope . Bien que l’équipe reconnaisse qu’il existe une marge d’amélioration en matière de stabilité des performances à long terme, la mise en open source de ce modèle représente un tournant qualitatif pour l’IA — passant d’interactions dialogiques isolées à un moteur d’exécution doté de capacités de planification autonome et de collaboration entre outils — offrant ainsi aux développeurs du monde entier une base solide pour explorer des processus d’automatisation complexes.
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)

Sur le plan technique, Ring-2.6-1T réalise trois avancées majeures. Premièrement, il renforce considérablement les capacités d’exécution des agents, atteignant des résultats de pointe dans le domaine de l’open source sur des benchmarks tels que PinchBench et ClawEval, qui évaluent l’adaptabilité des agents, tout en améliorant considérablement la décomposition des tâches et la correction par rétroaction.
Deuxièmement, il introduit un mécanisme innovant et ajustable appelé « Reasoning Effort », doté de deux niveaux d’intensité : « high » et « xhigh ». Cela permet aux développeurs d’équilibrer coût et performances en fonction de la complexité de la tâche. Le niveau « high » offre d’excellents résultats lors des tests Tau2-Bench dans le secteur des télécommunications, tandis que le niveau « xhigh » atteint le plafond de capacité sur des tâches de raisonnement très difficiles telles que AIME26 et GPQA Diamond.
Enfin, le modèle adopte une architecture d’apprentissage par renforcement asynchrone combinée à l’« algorithme Ice Stick », ce qui résout efficacement les problèmes de stabilité lors des longs cycles d’entraînement des modèles à un trillion de paramètres et améliore considérablement l’utilisation des ressources.
Ring-2.6-1T est désormais disponible sur
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











