10月14日凌晨，螞蟻集團正式推出萬億參數(shù)思考模型Ring-1T，并全面開源模型權重、訓練配方。Ring-1T在9月30日開源的預覽版Ring-1T-preview基礎上，持續(xù)擴展大規(guī)?？沈炞C獎勵強化學習（RLVR）訓練，進一步激發(fā)萬億基座的自然語言推理能力，并通過 RLHF 訓練完善模型通用能力，在各項任務榜單上表現(xiàn)更加均衡。

為了持續(xù)激發(fā)Ring-1T的數(shù)學等復雜推理能力，此次百靈團隊挑戰(zhàn)了難度更高的IMO2025（國際數(shù)學奧利匹克）賽題，將Ring-1T接入多智能體框架AWorld，使用純自然語言推理進行解題。實驗結果顯示，Ring-1T僅用一次解出了第1、3、4、5題，相當于IMO銀牌水平，成為首個能拿IMO國際奧數(shù)獎的開源系統(tǒng)。Ring-1T在第三次嘗試IMO時對第2題幾何證明也給出了接近滿分的證明過程，在頂流大模型幾乎全軍覆沒的第六題中將答案收斂到與Gemini 2.5 Pro 相同的“4048”（正確答案為2112）。作為一款思考模型，Ring-1T也表現(xiàn)出了極佳的通用能力，在“人類偏好對齊”測試Arena-Hard V2中，Ring-1T以81.59的成功率居于開源模型榜首，逼近GPT-5-Thinking(High)82.91的成績。在面向嚴謹領域的醫(yī)療問答HealthBench測評中，Ring-1T也以最高分取得開源領域最佳。

 

（Ring-1T與業(yè)界代表性思考模型的性能橫評）

 

萬億參數(shù)思考模型訓練最大難題是訓推精度差異，即訓練階段與推理階段因?qū)崿F(xiàn)細節(jié)差異導致的訓練和推理精度不一致，進而導致訓練崩潰。在Ring-1T模型中，螞蟻采用了自研的“棒冰（icepop）”算法來應對這項行業(yè)難題，即用帶掩碼的雙向截斷技術把訓練-推理分布差異凍結在低水位，確保長序列、長周期訓練不崩。此外，應對萬億參數(shù)模型強化學習訓練，螞蟻還自研了高性能強化學習系統(tǒng)ASystem(其中包含已開源的高性能強化學習框架AReaL)，特別針對萬億參數(shù)模型的顯存管理和訓推權重交換問題做了精細的優(yōu)化，實現(xiàn)了單機顯存碎片秒級回收、權重零冗余交換，把大規(guī)模RL訓練穩(wěn)定跑成日常。

（圖左：GRPO訓推差異隨著訓練成指數(shù)上升，icepop較為平穩(wěn)；圖右：訓推差異最大值，GRPO隨著訓練上升非常明顯，icepop維持在較低水位）

此外，本次發(fā)布的Ring-1T模型繼續(xù)采用Ling 2.0架構的1T base模型做后訓練，Ling 2.0采用了包括高度稀疏的MoE架構，1/32的專家激活比、FP8混合精度、MTP等諸多特性實現(xiàn)高效訓練與推理。在后訓練階段，螞蟻百靈團隊通過LongCoT-SFT + RLVR + RLHF多階段訓練，顯著提升了模型的復雜推理能力以及指令跟隨和創(chuàng)意寫作等通用能力。

據(jù)百靈團隊透露，Ring-1T模型是其在萬億思考模型上的首次嘗試，螞蟻百靈團隊會在后續(xù)的版本中繼續(xù)完善模型性能。目前，用戶可通過HuggingFace、魔搭社區(qū)下載模型，并通過螞蟻百寶箱等平臺在線體驗。

據(jù)了解，截止目前螞蟻百靈大模型已經(jīng)發(fā)布18款模型，已形成從160億總參數(shù)到1萬億總參數(shù)的大語言模型產(chǎn)品矩陣，其中兩款萬億參數(shù)模型—萬億參數(shù)通用大語言模型Ling-1T、萬億參數(shù)思考模型Ring-1T。隨著兩款萬億參數(shù)模型的發(fā)布，百靈大模型也正式步入2.0階段。