Lar
Modelo de grande escala de Bai Ling com código aberto Ring-2.6-1T, voltado para ciclos de tarefas complexas reais
A Bailin Large Model tornou hoje oficialmente de código aberto seu modelo de raciocínio emblemático com um trilhão de parâmetros, o Ring-2.6-1T , projetado para enfrentar o desafio das capacidades limitadas de execução de modelos de grande porte em ambientes de produção do mundo real. Esse modelo vai além do simples aumento da escala de parâmetros; ele marca uma mudança fundamental em direção ao avanço de ponta a ponta de tarefas de cadeia longa, como fluxos de trabalho de agentes, engenharia de software e análise científica.

No aspecto técnico, o Ring-2.6-1T alcança três avanços importantes. Primeiro, ele aumenta significativamente as capacidades de execução dos agentes, alcançando resultados de ponta no código aberto em benchmarks como o PinchBench e o ClawEval, que avaliam a adaptabilidade dos agentes, ao mesmo tempo em que melhora consideravelmente a decomposição de tarefas e a correção por feedback.
Em segundo lugar, ele introduz um mecanismo ajustável inovador chamado “Reasoning Effort”, com dois níveis de intensidade: alto e xalto. Isso permite que os desenvolvedores equilibrem custo e desempenho com base na complexidade da tarefa. O nível alto apresenta resultados sólidos nos testes de negócios de telecomunicações do Tau2-Bench, enquanto o nível xalto atinge o limite máximo de capacidade em tarefas de raciocínio de alta dificuldade, como AIME26 e GPQA Diamond.
Por fim, o modelo adota uma arquitetura de aprendizado por reforço assíncrona combinada com o “Algoritmo Ice Stick”, resolvendo efetivamente problemas de estabilidade durante longos ciclos de treinamento para modelos com trilhões de parâmetros e melhorando significativamente a utilização de recursos.
O Ring-2.6-1T já está disponível no Hugging Face e no ModelScope . Embora a equipe reconheça que há espaço para melhorias na estabilidade de entrega em horizontes de longo prazo, a disponibilização deste modelo como código aberto representa uma mudança qualitativa para a IA — passando de interações de diálogo únicas para um mecanismo de execução com capacidades de planejamento autônomo e colaboração entre ferramentas —, proporcionando aos desenvolvedores globais uma base sólida para explorar processos complexos de automação.
Artigo relacionado
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri
Conformidade com a regulamentação de veículos autônomos na Califórnia: uma nova era de multas, geocercas e 1 milhão de milhas
A Guident opera um veículo de transporte da AuveTech no sul da Flórida, administrando uma rota de quatro milhas em West Palm Beach e uma rota de uma milha em Boca Raton por meio de sua tecnologia de m
Recomendações de tópicos especiais relacionados
Comentários (0)

No aspecto técnico, o Ring-2.6-1T alcança três avanços importantes. Primeiro, ele aumenta significativamente as capacidades de execução dos agentes, alcançando resultados de ponta no código aberto em benchmarks como o PinchBench e o ClawEval, que avaliam a adaptabilidade dos agentes, ao mesmo tempo em que melhora consideravelmente a decomposição de tarefas e a correção por feedback.
Em segundo lugar, ele introduz um mecanismo ajustável inovador chamado “Reasoning Effort”, com dois níveis de intensidade: alto e xalto. Isso permite que os desenvolvedores equilibrem custo e desempenho com base na complexidade da tarefa. O nível alto apresenta resultados sólidos nos testes de negócios de telecomunicações do Tau2-Bench, enquanto o nível xalto atinge o limite máximo de capacidade em tarefas de raciocínio de alta dificuldade, como AIME26 e GPQA Diamond.
Por fim, o modelo adota uma arquitetura de aprendizado por reforço assíncrona combinada com o “Algoritmo Ice Stick”, resolvendo efetivamente problemas de estabilidade durante longos ciclos de treinamento para modelos com trilhões de parâmetros e melhorando significativamente a utilização de recursos.
O Ring-2.6-1T já está disponível no
CEO da DeepMind, Hassabis: Durmo seis horas por dia, geralmente me sinto energético por volta da 1h
O Fortune recentemente publicou uma entrevista com Demis Hassabis, CEO da Google DeepMind, revelando sua abordagem incomum para descanso e produtividade. Hassabis revelou que dorme muito pouco, estruturando suas horas acordadas em dois blocos de trab
OpenAI e Anthropic disputam participação no mercado, apesar da queda na receita
Apesar de relatos recentes sugerirem que a OpenAI não atingiu suas metas de receita, o que gerou pressão sobre as ações do setor de tecnologia nesta terça-feira, os investidores privados em laboratóri











