2月13日，蚂蚁集团开源发布了全球首个基于混合线性架构的万亿参数思考模型Ring-2.5-1T，在长文本生成、数学推理与智能体任务执行上达到开源领先水平，为智能体（Agent）时代的复杂任务处理提供高性能基础支撑。
在生成效率上，Ring-2.5-1T在32K以上长文本生成场景中，对比上代模型访存规模降低10倍以上，生成吞吐提升3倍以上。在深度思考能力方面，该模型在国际数学奥林匹克竞赛（IMO 2025）和中国数学奥林匹克（CMO 2025）自测均达到金牌水平（IMO 35分、CMO 105分）。同时，可轻松适配Claude Code等智能体框架与OpenClaw个人AI助理，支持多步规划与工具调用。
（图说：Ring-2.5-1T在数学、代码、逻辑等高难推理任务和智能体搜索、软件工程、工具调用等长程任务执行上均达到开源领先水平）
在多项权威基准测试中，Ring-2.5-1T 与DeepSeek-v3.2-Thinking、Kimi-K2.5-Thinking、GPT-5.2-thinking-high、Gemini-3.0-Pro-preview-thinking-high、Claude-Opus-4.5-Extended-Thinking 等主流开源与闭源模型进行了系统对比，在数学推理、代码生成、逻辑推理和智能体任务执行等高难场景中达到开源领先水平。尤其在深度思考（Heavy Thinking）模式下，Ring-2.5-1T在IMOAnswerBench、HMMT-25等数学竞赛推理基准和LiveCodeBench-v6代码生成基准中超越所有对比模型，展现了强大的复杂推理与跨任务泛化能力。
Ring-2.5-1T基于Ling 2.5架构，通过优化注意力机制，显著提升长文本推理的效率与稳定性。模型激活参数规模从前代的 51B 提升至63B，但在混合线性注意力架构的支持下，推理效率相比上一代大幅提升。与仅具备 32B 激活参数的KIMI K2架构相比，在1T总参数量下，Ling 2.5架构在长序列推理任务中的吞吐表现依然优势显著，且随着生成长度增加，效率优势持续扩大。
（图说：在不同生成长度下的效率对比示意。生成长度越长，吞吐优势越明显）
随着AI大模型应用从短对话向长文档处理、跨文件代码理解、复杂任务规划等场景扩展，Ring-2.5-1T有效缓解了长输出场景下计算开销高、推理速度慢的问题。该模型的开源也体现了蚂蚁百灵团队在大规模训练基础设施、算法优化和工程落地方面的综合能力，为行业提供了高性能、高效率的智能体时代基础模型新选择。
目前，Ring-2.5-1T 的模型权重与推理代码已在Hugging Face、ModelScope等主流开源平台发布。最新平台Chat体验页和API服务将在近期上线。
Hugging Face：
ModelScope：
