蚂蚁集团开源Ring-2.5-1T,这是全球首个采用混合线性架构的万亿参数思考模型
2月13日,蚂蚁集团基于混合线性架构,将全球首个万亿参数推理模型Ring-2.5-1T以开源形式发布。 该模型在长文本生成、数学推理和智能体任务执行方面均展现出开源领域最先进的性能,为智能体时代处理复杂任务提供了高性能的基础。
在生成效率方面,在超过32K的长文本场景中,Ring-2.5-1T的内存访问次数比上一代模型降低了10倍以上,而吞吐量则提高了3倍以上。 在深度推理方面,该模型在国际数学奥林匹克竞赛(IMO2025)和中国数学奥林匹克竞赛(CMO2025)的自测中均取得了金牌级成绩(IMO得分为35,CMO得分为105)。 它还能与Claude Code和OpenClaw个人AI助手等智能体框架无缝集成,支持多步骤规划和工具调用。

(图注:Ring-2.5-1T 在数学、编程和逻辑等高难度推理任务,以及代理搜索、软件工程和工具调用等长期执行任务中,均实现了开源领域的领先性能。)
在多个权威基准测试中,Ring-2.5-1T 与领先的开源及闭源模型进行了系统性对比,包括 DeepSeek-v3.2-Thinking、 Kimi-K2.5-Thinking、GPT-5.2-thinking-high、Gemini-3.0-Pro-preview-thinking 以及 Claude-Opus-4.5-Extended-Thinking。 在数学推理、代码生成、逻辑推理和智能体任务执行等高难度场景中,它取得了开源领域领先的性能。 特别是在“深度思考”模式下,它在IMOAnswerBench和HMMT-25等数学竞赛基准测试,以及LiveCodeBench-v6代码生成基准测试中,均超越了所有对比模型,展现出强大的复杂推理能力和跨任务泛化能力。
Ring-2.5-1T 基于 Ling2.5 架构。通过优化注意力机制,它显著提升了长文本推理的效率和稳定性。 激活参数数量从上一代的 51B 增加到 63B。在混合线性注意力架构的支持下,推理效率较上一代有了显著提升。 与仅拥有32B激活参数的KIMI K2架构相比,Ling2.5架构在总参数数达1T的情况下,针对长序列推理任务展现出显著的吞吐量优势,且该效率优势会随着生成长度的增加而进一步提升。

(图注:不同生成长度的效率对比。生成长度越长,吞吐量优势越显著。)
随着AI大模型的应用范围从短对话扩展至长文档处理、跨文件代码理解及复杂任务规划,Ring-2.5-1T有效解决了长输出场景下计算成本高、推理速度慢的挑战。 该模型的开源发布,也彰显了Ant Bailing团队在大型训练基础设施、算法优化及工程实现方面的综合实力,为行业在智能代理时代提供了高性能、高效率的基础模型新选择。
目前,Ring-2.5-1T的模型权重和推理代码已在Hugging Face、ModelScope等主流开源平台发布。官方平台的聊天体验页面和API服务即将上线。
相关文章
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何
英伟达H200中国交易在特朗普与习近平峰会后得以保留,但结果与预期不符
特朗普总统前往北京,黄仁勋在最后一刻加入了代表团,两天后离京时仅就芯片出口的潜在进展发表了含糊其辞的言论。双方未达成任何协议。自特朗普于2025年12月首次批准销售以来,尚未有一颗英伟达H200芯片进入中国。 美国贸易代表杰米森·格里尔向彭博社证实,半导体限制措施甚至未被列入双边议程。在峰会的盛况之下,隐藏着更重大的转变。H200芯片的供应受阻并非源于华盛顿的拒绝;美国实际上已经批准了出口。 包括
相关专题推荐
评论 (0)
0/500
2月13日,蚂蚁集团基于混合线性架构,将全球首个万亿参数推理模型Ring-2.5-1T以开源形式发布。 该模型在长文本生成、数学推理和智能体任务执行方面均展现出开源领域最先进的性能,为智能体时代处理复杂任务提供了高性能的基础。
在生成效率方面,在超过32K的长文本场景中,Ring-2.5-1T的内存访问次数比上一代模型降低了10倍以上,而吞吐量则提高了3倍以上。 在深度推理方面,该模型在国际数学奥林匹克竞赛(IMO2025)和中国数学奥林匹克竞赛(CMO2025)的自测中均取得了金牌级成绩(IMO得分为35,CMO得分为105)。 它还能与Claude Code和OpenClaw个人AI助手等智能体框架无缝集成,支持多步骤规划和工具调用。

(图注:Ring-2.5-1T 在数学、编程和逻辑等高难度推理任务,以及代理搜索、软件工程和工具调用等长期执行任务中,均实现了开源领域的领先性能。)
在多个权威基准测试中,Ring-2.5-1T 与领先的开源及闭源模型进行了系统性对比,包括 DeepSeek-v3.2-Thinking、 Kimi-K2.5-Thinking、GPT-5.2-thinking-high、Gemini-3.0-Pro-preview-thinking 以及 Claude-Opus-4.5-Extended-Thinking。 在数学推理、代码生成、逻辑推理和智能体任务执行等高难度场景中,它取得了开源领域领先的性能。 特别是在“深度思考”模式下,它在IMOAnswerBench和HMMT-25等数学竞赛基准测试,以及LiveCodeBench-v6代码生成基准测试中,均超越了所有对比模型,展现出强大的复杂推理能力和跨任务泛化能力。
Ring-2.5-1T 基于 Ling2.5 架构。通过优化注意力机制,它显著提升了长文本推理的效率和稳定性。 激活参数数量从上一代的 51B 增加到 63B。在混合线性注意力架构的支持下,推理效率较上一代有了显著提升。 与仅拥有32B激活参数的KIMI K2架构相比,Ling2.5架构在总参数数达1T的情况下,针对长序列推理任务展现出显著的吞吐量优势,且该效率优势会随着生成长度的增加而进一步提升。

(图注:不同生成长度的效率对比。生成长度越长,吞吐量优势越显著。)
随着AI大模型的应用范围从短对话扩展至长文档处理、跨文件代码理解及复杂任务规划,Ring-2.5-1T有效解决了长输出场景下计算成本高、推理速度慢的挑战。 该模型的开源发布,也彰显了Ant Bailing团队在大型训练基础设施、算法优化及工程实现方面的综合实力,为行业在智能代理时代提供了高性能、高效率的基础模型新选择。
目前,Ring-2.5-1T的模型权重和推理代码已在Hugging Face、ModelScope等主流开源平台发布。官方平台的聊天体验页面和API服务即将上线。
阿里视频发布万3.0,实现超长视频生成与多维度一致性
8月24日,阿里巴巴发布了万3.0,这是其最新的视频生成大模型。此次发布标志着阿里巴巴视频技术的重大飞跃,在时长、通用创作、参考处理以及真实世界模拟方面实现了显著提升。万3.0将单视频生成的时长扩展至30秒,在单个镜头内提供了更为丰富的叙事可能性。它还引入了对多种主流文件格式的支持——包括doc、xls、ppt、pdf和md——使得文本、表格和幻灯片能够直接转换为动态视觉内容。为了解决视觉不一致和风格漂移等常见挑战,万3.0在微观层面确保了高度的稳定性。它在角色外观、道具细节、音频设置、空间关系
MiniMax大模型误读姓名——稀宇科技:特定Token后训练不足
MiniMax 最近发布了一份技术报告,详细解释了其 M2 系列模型为何难以准确生成“马嘉祺”等特定名称。这一看似错误的现象凸显了当前大语言模型训练中存在的系统性缺陷。Token 偏移:被挤压的向量空间根本原因在于分词器(tokenizer),即文本处理的基本单位。例如,名称“马嘉祺”被拆分为两个 Token:“Ma”和“Jiaqi”。虽然模型在预训练阶段学习了这些 Token,但在随后的指令微调阶段出现了问题。在微调期间,Token “Jiaqi”在对话数据中出现的频率极低,因此几乎未接受任何
英伟达H200中国交易在特朗普与习近平峰会后得以保留,但结果与预期不符
特朗普总统前往北京,黄仁勋在最后一刻加入了代表团,两天后离京时仅就芯片出口的潜在进展发表了含糊其辞的言论。双方未达成任何协议。自特朗普于2025年12月首次批准销售以来,尚未有一颗英伟达H200芯片进入中国。 美国贸易代表杰米森·格里尔向彭博社证实,半导体限制措施甚至未被列入双边议程。在峰会的盛况之下,隐藏着更重大的转变。H200芯片的供应受阻并非源于华盛顿的拒绝;美国实际上已经批准了出口。 包括





首页






