图灵汇官网

10月14日凌晨，蚂蚁集团推出了一个拥有万亿参数的思考模型Ring-1T，并且开放了模型的权重和训练方法。这个模型在9月30日发布的预览版基础上，继续优化了大规模可验证奖励强化学习技术，提升了自然语言推理能力。同时，通过RLHF训练，增强了模型的通用表现，在多个任务中取得更均衡的结果。

为了进一步提升Ring-1T在数学等复杂问题上的解决能力，百灵团队尝试解答更高难度的IMO2025竞赛题目。他们将模型接入多智能体框架AWorld，仅用自然语言进行推理解题。测试结果显示，Ring-1T一次就解决了第1、3、4、5题，达到银牌水平，成为首个获得国际奥数奖的开源系统。第三次尝试时，它对第2题的几何证明接近满分。在第六题中，它得出的答案是4048，虽然不是正确答案2112，但与Gemini 2.5 Pro结果一致。

作为一款思考模型，Ring-1T在通用能力方面也表现出色。在“人类偏好对齐”测试Arena-Hard V2中，它的成功率达到81.59%，位居开源模型前列，接近GPT-5-Thinking(High)的成绩。在医疗问答测试HealthBench中，它也取得了开源模型中的最高分。

训练万亿参数的思考模型面临的一大挑战是训推精度差异，即训练和推理阶段因实现方式不同导致的结果不一致，从而影响训练稳定性。为了解决这个问题，蚂蚁开发了自研的“棒冰（icepop）”算法，通过带掩码的双向截断技术，将这种差异控制在较低水平，保证长时间训练的稳定性。

此外，蚂蚁还研发了高性能的强化学习系统ASystem，其中包含已开源的AReaL框架，专门优化了万亿参数模型的显存管理和权重交换问题。这使得大规模强化学习训练更加稳定，可以像日常任务一样运行。

Ring-1T基于Ling 2.0架构的1T基础模型进行后训练，该架构具备高度稀疏的MoE结构、1/32的专家激活比、FP8混合精度以及MTP等特性，提高了训练和推理效率。在后训练阶段，团队采用LongCoT-SFT + RLVR + RLHF多阶段训练，显著增强了模型的复杂推理能力和指令理解、创意写作等通用技能。

目前，用户可以通过HuggingFace和魔搭社区下载Ring-1T模型，并在蚂蚁百宝箱等平台体验。这是百灵团队首次推出万亿参数的思考模型，未来将继续优化性能。

截至目前，蚂蚁百灵大模型已经发布18款产品，覆盖从160亿到1万亿参数的范围。其中包含两款万亿参数模型：Ling-1T和Ring-1T。随着这两款模型的发布，百灵大模型正式进入2.0阶段。