螞蟻集團(tuán)旗下百靈團(tuán)隊(duì)近日宣布，其自主研發(fā)的萬億參數(shù)思考模型Ring-1T正式上線并全面開源，包括模型權(quán)重與訓(xùn)練框架。該模型在9月30日發(fā)布的預(yù)覽版Ring-1T-preview基礎(chǔ)上，通過大規(guī)模可驗(yàn)證獎(jiǎng)勵(lì)強(qiáng)化學(xué)習(xí)（RLVR）技術(shù)進(jìn)一步優(yōu)化了自然語言推理能力，同時(shí)結(jié)合RLHF訓(xùn)練框架提升了通用任務(wù)表現(xiàn)，在多項(xiàng)基準(zhǔn)測(cè)試中展現(xiàn)出均衡性能。

在數(shù)學(xué)推理能力驗(yàn)證方面，Ring-1T創(chuàng)造了開源模型領(lǐng)域的歷史性突破。研究團(tuán)隊(duì)將其接入多智能體框架AWorld，以純自然語言推理方式挑戰(zhàn)國際數(shù)學(xué)奧林匹克（IMO）2025年賽題。實(shí)驗(yàn)數(shù)據(jù)顯示，模型首次嘗試即成功解出第1、3、4、5題，達(dá)到IMO銀牌標(biāo)準(zhǔn)，成為首個(gè)具備國際奧數(shù)獎(jiǎng)級(jí)水平的開源系統(tǒng)。面對(duì)第2題幾何證明時(shí)，第三次嘗試即產(chǎn)出接近滿分的證明過程；在第六題復(fù)雜計(jì)算中，答案收斂至與Gemini2.5Pro相同的"4048"（正確答案為2112），展現(xiàn)出強(qiáng)大的復(fù)雜問題處理能力。

通用能力測(cè)試中，Ring-1T在"人類偏好對(duì)齊"基準(zhǔn)Arena-Hard V2上取得81.59%的成功率，位列開源模型榜首，與GPT-5-Thinking(High)的82.91%僅差1.32個(gè)百分點(diǎn)。在醫(yī)療領(lǐng)域?qū)I(yè)測(cè)評(píng)HealthBench中，該模型以最高分刷新開源模型紀(jì)錄，證明其在專業(yè)場(chǎng)景下的可靠性。

針對(duì)萬億參數(shù)模型訓(xùn)練的核心挑戰(zhàn)——訓(xùn)練與推理階段的精度差異問題，螞蟻集團(tuán)研發(fā)了"棒冰（icepop）"算法。該技術(shù)通過帶掩碼的雙向截?cái)鄼C(jī)制，將訓(xùn)練-推理分布差異控制在極低水平，確保長序列訓(xùn)練的穩(wěn)定性。對(duì)比實(shí)驗(yàn)顯示，采用傳統(tǒng)GRPO算法的模型隨著訓(xùn)練推進(jìn)，訓(xùn)推差異呈指數(shù)級(jí)增長，而icepop算法始終維持平穩(wěn)狀態(tài)，有效避免了訓(xùn)練崩潰風(fēng)險(xiǎn)。

在強(qiáng)化學(xué)習(xí)系統(tǒng)優(yōu)化方面，螞蟻?zhàn)匝械腁System框架（含開源組件AReaL）針對(duì)萬億參數(shù)模型特性，開發(fā)了顯存碎片秒級(jí)回收和權(quán)重零冗余交換技術(shù)。這些創(chuàng)新解決了大規(guī)模模型訓(xùn)練中的顯存管理難題，使強(qiáng)化學(xué)習(xí)訓(xùn)練能夠穩(wěn)定持續(xù)進(jìn)行。

基礎(chǔ)架構(gòu)層面，Ring-1T延續(xù)了Ling2.0架構(gòu)的1T base模型設(shè)計(jì)，采用高度稀疏的MoE架構(gòu)（專家激活比1/32）、FP8混合精度訓(xùn)練及MTP優(yōu)化技術(shù)。后訓(xùn)練階段通過LongCoT-SFT、RLVR、RLHF三階段聯(lián)合訓(xùn)練，顯著提升了模型的復(fù)雜推理、指令跟隨及創(chuàng)意寫作能力。

目前，用戶可通過HuggingFace平臺(tái)和魔搭社區(qū)下載Ring-1T模型，或通過螞蟻百寶箱在線體驗(yàn)。該模型的發(fā)布標(biāo)志著螞蟻百靈大模型家族正式邁入2.0時(shí)代，現(xiàn)已形成覆蓋160億至1萬億參數(shù)的完整產(chǎn)品矩陣，包含萬億參數(shù)通用大語言模型Ling-1T和思考模型Ring-1T兩款旗艦產(chǎn)品。據(jù)團(tuán)隊(duì)透露，后續(xù)版本將持續(xù)優(yōu)化模型性能，拓展應(yīng)用場(chǎng)景。