新智元报道
新智元报道
【新智元导读】在AI浪潮中，蚂蚁集团重磅推出万亿参数思考模型Ring-1T，不仅在数学竞赛上刷新开源SOTA，还在逻辑推理和医疗问答中脱颖而出。实测显示，其推理能力直逼闭源巨头，开源AI迈入万亿参数时代。
蚂蚁百灵首试万亿思考模型，实测效果喜人！
10月14日凌晨，蚂蚁集团正式发布万亿参数思考模型Ring-1T。
在数学竞赛（AIME 25、HMMT 25），代码生成（CodeForces）、逻辑推理（ARC-AGI-v1），Ring-1T取得开源领先水平。
在OpenAI的医疗问答HealthBench测评中，Ring-1T表现惊艳。
与此前发布的预览版Ring-1T-preview相比，正式版Ring-1T在数学竞赛、逻辑推理、医疗问答上表现更出色、推理更准确。
Ring-1T虽然是思考模型，但也具备极强的通用能力：
在综合榜单（Arena-Hard-v2）、创意写作（CreativeWriting-v3）上，表现强劲，与DeepSeek、Qwen等最新思考模型同属开源第一梯队。
特别是，在「高难度真实用户查询」Arena-Hard V2基准测试中，Ring-1T成功率高达81.59%，登上开源模型榜首——
直逼OpenAI的GPT-5-Thinking(High)的成绩82.91%。
简而言之，这次Ring-1T开源登顶，不再遥望闭源天花板。
目前，普通用户可在蚂蚁百宝箱选择Ring-1T直接体验：
体验地址：https://ling.tbox.cn/chat
此外，蚂蚁一如既往的继续开源了相关模型，提供了HuggingFace和ModelScope下载模型权重。
HuggingFace：https://huggingface.co/inclusionAI/Ring-1T
ModelScope：https://modelscope.cn/models/inclusionAI/Ring-1T
在X上，大家庆祝新的万亿参数思考模型的新生！
这是蚂蚁集团首个万亿参数思考模型，而早在上周他们已开源了首款万亿参数的旗舰通用大模型Ling-1T——
做AI，蚂蚁来真的！
在大模型领域，蚂蚁9月连发7款模型，来势汹汹！
Ring-1T-preview、Ring-flash-linear-2.0、Ring-flash-2.0、Ling-flash-2.0、Ming-lite-omni-1.5、Ring-mini-2.0、Ling-mini-2.0
上下滑动查看
还不止于此——10月，10多天的时间连发两个万亿参数大模型。
本月9日，蚂蚁正式发布万亿参数通用语言模型Ling-1T。
测试后，国外博主在《Prompt Engineering》频道表示，Ling-1T进入了LLM新时代，比DeepSeek、Gemini、o3-mini等耳熟能详的顶级模型还要好。
Ling-1T 模型：好得令人难以置信？
Reddit网友对Ling-1T非常感兴趣：
Ling-1T将参数扩展到万亿级别，已展现出强大的涌现出的推理和迁移能力。
基于ZenMux，网友SickPixels257开发了aicodeprep-gui，在Ling 1T发布后更是如虎添翼。这让他对新工具爱不释手。
而模型Ring-1T基于通用模型Ling-1T的同款架构，在20T高质量语料上完成预训练，针对推理能力进行强化学习训练。
此前，为了让社区尽早探索万亿思考模型Ring-1T的推理上限，蚂蚁早在9月30日便提前开源其预览版Ring-1T-preview。
现在，蚂蚁正式发布万亿参数思考模型Ring-1T，完成了Ring-1T的全流程训练。
与Ring-1T-preview版本相比，Ring-1T的能力更加均衡。
在数学竞赛能力上，Ring-1T对比preview有所提升，在AIME25、HMMT25测试中继续保持开源SOTA。
在Arena-hard-v2.0、ARC-AGI-v1、HealthBench等硬核基准上，正式版Ring-1T大幅提升了准确率：
在Arena-hard-v2.0，提升8.18%；
在ARC-AGI-v1上，提升5.14%；
在HealthBench上，提升3.49%。
为了避免「漏题」，蚂蚁相关团队在所有训练阶段（包括预训练、指令微调和强化学习提示）都实施了字符串级和语义级的污染过滤，但严格去污染进行仍然是行业内的一大难题。
为了更客观地分析Ring-1T的深度推理能力，在今年举行的国际数学奥赛IMO 2025和国际大学生程序设计竞赛世界总决赛ICPC 2025上测试了新模型 。
对于IMO 2025测试，类似于之前的预览版本，将Ring-1T集成到了多智能体框架AWorld 中，使用纯自然语言推理来解决问题。
项目链接：https://github.com/inclusionAI/AWorld
结果Ring-1T成功拿下IMO银牌水平，在一次尝试中解决了第1、3、4和5题。
上下滑动查看
在第三次尝试中，对几何证明题第2题，它生成了近乎完美的证明。
对于最具挑战性的第6题，没有AI回答正确，但Ring-1T与Gemini 2.5 Pro取得了相同的答案。
在ICPC 2025世界总决赛中，GPT-5-Thinking、Gemini-2.5-Pro、Ring-1T，分别解决了6个问题（CDEFKL）、3个问题（DFK）和5个问题（DFJKL），其中每次模型每个问题最多尝试三次。
而且这次还开源了推理轨迹：
https://github.com/inclusionAI/AWorld/tree/main/examples/imo/samples/samples%20from%20Ring-1T
在这场顶级国际编程竞赛中，Ring-1T超越了Gemini 2.5 Pro，再次证明了编程实力。
Ring-1T的参数量是万亿级别，像这么大参数的模型，还是思考模型，应该如何去评测？
我们在第一时间实测了Ring-1T在复杂任务和推理中能力。
首先就是每次各家模型发布后最关心的前端能力。
我们用Ring-1T生成了地球——火星的任务模拟，整体画面和画风虽然简约，但忠实的反映了飞行器从地球飞往火星的模拟效果。
生成的参数调整面板调整参数后，也能准确地控制画面中的飞行器。
提示词：
帮我制作一个3D版本的动画网页，描述从地球发送飞行器前往火星的过程。界面中有各种参数指标模板。可以调节飞行速率等。使用HTML和three.js生成单文件，可在浏览器中直接运行。
「小球碰撞 / 弹跳」的物理模拟，确实在大模型发布或评测时，常被用作一个「直观又能考察物理 / 编程 / 推理能力」的测验。
用如下提示词进行实测：
用JavaScript和HTML5 Canvas创建一个名为 ‘霓虹对撞机’ (Neon Collider) 的交互式2D物理模拟。核心要求如下：物理核心：一个可旋转的六边形容器和一个在内部反弹的小球。碰撞物理必须考虑墙壁的实时速度，并包含切向摩擦力和恢复系数（弹性）
值得一提的是，Ring-1T的思考过程不仅迅速，而且排版清晰，数学公式都是完美呈现。
谷歌今年的Gemini 3 Pro目前有内测流出，下面就是Gemini 3和Gemini 2.5制作的太空侵略者游戏的对比。
我们用Ring-1T制作了同款游戏，效果明显比Gemini 2.5更好。
画面效果比起Gemini 3也不相上下！
Ring-1T的推理和代码能力还是很强的。
为何不让它自己给自己出题？说干就干！
首先我们对Ring-1T提了题目的三点要求：
复杂度要高，能测出模型能力
有趣且容易理解，基于经典谜题或者现实世界场景
测试结果有「标准答案」，便于评估效果。
Ring-1T给的第一个问题是密码算术谜题。
这个题目复杂在需要系统化枚举，涉及多变量方程，必须依赖逻辑推理！
题目很好理解BASE+BALL=GAMES，每个字母代表唯一十进制数字。
这需要模型在枚举过程中能够很好地记忆和推理，才能得到正确答案。
从思考结果来看，Ring-1T的逻辑能力确实非常强大！
第一步，它就根据位数得出了GAMES的G只能等于1。
第二步，第三步则通过复杂的列公式和枚举来计算中间过程。
最终得出结果，整个推理过程还是非常惊艳的！
没有想到模型可以进行如此长时间的思考，而且是各种数字符号进行加减法。
数学不定积分也能轻松解决：
求积分ln(x)/(x-1)
上下滑动查看
先来看看AI自己眼中的AGI:
仿李白《春夜宴从弟桃花园序》，以AGI日益逼近为主题，生成内容
让Ring-1T模仿《滕王阁序》，写一篇文章来描述世界第一高峰——珠穆朗玛峰。
可以看到整个思考过程还是很惊艳的，甚至给出了大纲、语言风格和合作细节。
上下滑动查看
以下是最终的文章，读起来还是很热血澎湃的。
上下滑动查看
基于Ling 2.0架构的万亿级基础模型，Ring-1T多轮后训练，把「思考引擎」拧到极致，让潜能转为可复用的推理战力。
为实现高效训练与推理，Ling 2.0采用高度稀疏MoE、1/32专家激活比、FP8混合精度、MTP等技术；在>20T token的高质量语料上，Ling-1T-base已完成预训练，筑牢技术基础。
为了进一步抬升基础推理上限，在第二阶段（后10Ttoken）的预训练中，团队引入高推理密度语料，推理相关数据占比>40%：不只要更大，更要「会动脑」。
在Ling-1T-base基础上，Ring-1T通过「LongCoT-SFT+RLVR+RLHF」多阶段训练，显著提升了模型的复杂推理能力、指令跟随和创意写作等通用能力。
对如此庞大的模型进行后训练——尤其是大规模强化学习中的「训练」环节，蚂蚁相关团队做出了两大创新：
1、棒冰（IcePop）算法：实现了长周期稳定的RL训练，避免了由于训推精度差异问题带来的训练崩溃。
2、强化学习系统ASystem：针对推理能力的RLVR和RLHF训练，实现了从百亿(Ring-mini-2.0)到千亿(Ring-flash-2.0)再到万亿(Ring-1T)RL训练的平稳Scaling。其中，AReal框架已开源。
在模型RL训练中，MoE模型相比Dense模型，训练和推理引擎之间的算子精度差异更为明显。
Qwen3-4B为密集模型，Ring-mini-2.0和Qwen3-30B-A3B是MoE模型
尤其是在生成长序列和长周期训练时，随着序列长度和训练步数的增加，这种差异会逐渐拉大。
实验观察到，在较少的训练步数内，原始的GRPO算法会开始崩溃，这对长周期、长序列的强化学习训练带来巨大挑战。
为了解决上述问题， IcePop应运而生。
新方法简单而有效——采用「双向遮罩」（double-sided masking），减轻概率差异所带来的有害复合效应，从而仅保留健康的梯度更新。
双向剪裁（Double-sided clipping）：不仅在「训练概率 ≫ 推理概率」时进行剪裁，也在「训练概率 ≪ 推理概率」时进行剪裁。
遮罩（Masking）：当token的概率差异过大时，将其从梯度更新中移除。
没有这些措施，MoE架构很可能无法稳定训练，其性能甚至可能不如稠密模型。
图左：GRPO训推差异随着训练成指数上升，Icepop较为平稳；图右：训推差异最大值，GRPO随着训练上升非常明显，Icepop维持在较低水位
与GRPO比， IcePop让RL训练更平稳，为新一代万亿级思考模型保驾护航。
算法博客：https://ringtech.notion.site/icepop
而为应对万亿参数模型的强化学习训练，蚂蚁自研了高性能强化学习系统——ASystem。
ASystem采用SingleController + SPMD架构。
针对万亿参数模型的显存管理和训推权重交换问题，蚂蚁相关团队精心优化了训推引擎。
显存透明卸载、跨节点显存池化等技术，有效释放了被占用的显存碎片，降低了显存不足风险。
GPU间P2P直接通信与原地更新等技术，可秒级、零冗余交换模型权重。
在RL训练框架上，团队构建了基于大规模Serverless Sandbox技术的混合奖励系统。
该系统能以毫秒级速度启动、提供超过10余种语言的沙箱执行环境，支撑了高达10K/s的请求吞吐。
为了推动大规模推理与智能体模型发展，蚂蚁联合清华开源了全异步强化学习训练系统AReaL。
开源链接：https://github.com/inclusionAI/AReaL
AreaL的三大亮点：
⚡ 灵活性：只需一个文件，就能轻松自定义多轮rollout工作流程，还能顺畅整合其他智能体工具框架。
🚀 可扩展性：通过算法与系统的协同设计，AReaL提供稳定且完全异步的RL训练，速度领先行业。它能轻松适应各种计算环境，从单个节点扩展到1000+块GPU。
🔪 顶尖性能：AReaL能生成最先进的数学、编程和搜索智能体，具有超强能力。
AGI不是梦想，而是指日可待的确定性事件！
诺奖得主、Google DeepMind 首席执行官 Demis Hassabis，OpenAI 联合创始人兼 CEO Sam Altman，阿里云 CEO 吴泳铭均表示：
AGI is coming.
上下滑动查看
宏伟愿景背后，是技术人的上下求索、不断创新。
Ring-1T的发布，标志着蚂蚁百灵团队实现了从百亿（Ring-mini-2.0）到千亿（Ring-flash-2.0）再到万亿（Ring-1T）的MoE架构强化学习平稳扩展。
而Ring-1T 的训练仍在进行中，蚂蚁将继续挖掘这一万亿基座的潜力。
据了解，截至目前蚂蚁百灵大模型已经发布18款模型，其中两款万亿参数模型—万亿参数通用大语言模型Ling-1T、万亿参数思考模型Ring-1T。
随着两款万亿参数模型的发布，百灵大模型也正式步入2.0阶段。
目前模型仍存在一定概率的身份认知偏差、语种混杂及重复生成等问题.
同时，由于Ling 2.0的GQA方案，长上下文场景下的推理效率仍待改进。
而开源夺冠证明了「思考力」可以被工程化与规模化，算力红利正向「推理红利」迁移。
蚂蚁以IcePop、ASystem、AReaL给出了一条可复制的路线：从模型到系统到社区。这不是单点突破，而是范式的组织化落地。
