蚂蚁开源Ring-2.5-1T：万亿参数模型突破不可能三角
（文/陈济深 编辑/张广凯）
免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈
长期以来，深度思考模型一直面临一个尴尬的“不可能三角”：想要推理逻辑严密，就得忍受龟速的解码速度和爆炸式的显存开销。
为了绕开这个难题，目前业界主流路径多采用 MoE（混合专家模型）架构，通过只激活部分参数来节省算力，诸多头部模型如以DeepSeek、Kimi、MiniMax均采用了这种架构。
如今，这个行业魔咒被蚂蚁集团找到了解法。
2月13日，蚂蚁集团正式开源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。该模型同时做到了三件过去被认为难以兼得的事：推理速度快、深度思考强、长程任务执行能力突出。
在评测中，Ring-2.5-1T在数学竞赛中拿到IMO金牌级别的35分（满分42），在CMO拿到105分远超国家集训队分数线，同时在32K以上长文本生成场景中将访存规模降至上一代的1/10，生成吞吐量提升超3倍。使得其在搜索、编码这些复杂任务上都能独当一面。
如何又快又好？
Ring-2.5-1T的速度优势来自其底层架构的根本性创新。它基于Ling 2.5架构，采用了混合线性注意力机制——具体来说，是以1:7的比例混搭MLA（多头潜在注意力）和Lightning Linear Attention两种注意力模块。
这一设计源自蚂蚁此前发布的Ring-flash-linear-2.0技术路线。
研发团队通过增量训练的方式，将原有架构中的GQA（分组查询注意力）层分别转化为Lightning Linear Attention和MLA：前者在长程推理中负责拉满吞吐量，后者则极致压缩KV Cache。为防止模型表达能力因架构改造而受损，团队还特别适配了QK Norm和Partial RoPE等特性。
经过这番改造，Ring-2.5-1T的激活参数量从上一代的51B提升至63B，但凭借线性时间复杂度的特性，其推理效率反而大幅提升。
与同为1T参数量级但仅有32B激活参数的Kimi K2架构相比，Ling 2.5架构在长序列推理任务中的吞吐优势十分显著，且随着生成长度增加，效率优势持续扩大。
这意味着长程推理不再是“烧钱又烧显卡”的重资产操作，而变成了一种可以规模化部署的轻量级方案。从“做题家”到“实战派”跑得快只是一面，逻辑够不够硬才是深度思考模型的真正门槛。在思维训练层面，Ring-2.5-1T在RLVR（基于可验证奖励的强化学习）基础上引入了密集奖励机制。不同于只看最终答案对不对的传统方式，这套机制会逐步考察推理过程中每一个环节的严谨性，让模型在逻辑漏洞和高阶证明技巧上都获得了显著提升。
在此基础上，团队还引入了大规模全异步Agentic RL训练，大幅增强了模型在搜索、编码等长链条任务上的自主执行能力。这让Ring-2.5-1T从单纯的数学证明高手，进化为能在复杂实战场景中独当一面的智能体。
蚂蚁研究团队将Ring-2.5-1T与开源模型DeepSeek-v3.2-Thinking、Kimi-K2.5-Thinking以及闭源API GPT-5.2-thinking-high、Gemini-3.0-Pro-preview-thinking-high、Claude-Opus-4.5-Extended-Thinking等进行了对比。
结果显示，Ring-2.5-1T在IMOAnswerBench、AIME 26、HMMT 25、LiveCodeBench等高难度推理任务，以及Gaia2-search、Tau2-bench、SWE-Bench Verified等长时任务执行基准上，均达到了开源最优水平。在Heavy Thinking模式下，Ring-2.5-1T更是在多项数学竞赛和代码生成基准中超越了所有对比模型，包括上述闭源API。
尤其值得一提的是，在IMO 2025（满分42分）中Ring-2.5-1T拿到35分达到金牌水平，在CMO 2025（满分126分）中获得105分，大幅超过金牌线78分和国家集训队选拔线87分。与上一代Ring-1T相比，新模型在推理逻辑的严谨性、高级证明技巧的运用和答案表述的完整性上都有明显进步。生态适配与开源落地Ring-2.5-1T已经适配Claude Code和OpenClaw等主流智能体框架，支持多步规划与工具调用。模型权重与推理代码已在Hugging Face、ModelScope等平台同步开放，最新Chat体验页和API服务也将在近期上线。
除Ring-2.5-1T外，蚂蚁集团同期还发布了扩散语言模型LLaDA2.1和全模态大模型Ming-flash-omni-2.0。前者采用非自回归并行解码技术，推理速度达到535 tokens/s，在HumanEval+编程任务上甚至达到892 tokens/s，还具备独特的Token编辑与逆向推理能力；后者则在视觉、音频、文本的统一表征与生成上实现了突破，打通了多模态的感知与创作能力，支持实时感官交互。
蚂蚁inclusionAI团队的目标很明确：将这些能力做成可复用的底座方案，为开发者提供统一的能力入口。据悉，后续团队还将继续在视频时序理解、复杂图像编辑和长音频实时生成等方向持续发力，推动全模态技术的规模化落地。
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延伸，深度思考模型面临的效率瓶颈愈发突出。Ring-2.5-1T通过底层架构的重构，给出了一条兼顾性能、成本与扩展性的技术路径。
当“又快又好又深”不再是不可能三角，深度思考模型的应用边界也将随之打开。
相关攻略
头图由智象未来AI大模型生成智东西作者 王涵编辑 漠影在演唱会、各大晚会的舞台上，机器人伴舞团以整齐划一、精准卡点的舞姿惊艳全场。这种整齐划一不仅是硬件的胜利，更是“训练有素”的结果。具身智
智东西编译 陈佳编辑 程茜智东西4月3日消息，今日谷歌DeepMind开源发布Gemma 4系列模型，根据最新博客，这是谷歌迄今为止最智能的开放模型，专为高级推理和智能体工作流而设计，实现了单位参数
带着 Seedance 2 0 和 ArkClaw 两件新武器，火山引擎开始席卷 MaaS 市场。作者｜郑玄两年前，火山引擎说要 All in Token 的时候，很多人觉得这是一句正确但空洞的口号
一个学生忽视了一行代码，结果发现了一件很不对劲的事：在一个多模态医学AI项目中，这行代码原本负责让模型读取图像数据。但因为这次疏忽，模型实际上完全没有看到任何图片。按理说系统应该报错，或者至少拒绝回
智通财经APP获悉，中信证券发布研报称，2026年以来，国产大模型厂商聚焦Agent及代码能力升级，竞相发布新模型。即将发布的DeepSeek下一代新模型有望延续高性价比开源模型路线，在能力上实现更
热门专题
热门推荐
2026年4月9日，阿里云旗下的AI开发平台“百炼”正式发布了名为“记忆库”的全新功能。这项功能的核心价值，在于为AI Agent赋予跨会话的长期记忆能力，旨在彻底解决多轮对话中信息丢失与遗忘的行业核心痛点。目前，该功能正处于限时免费公测阶段。官方性能数据显示，其在关键指标上表现突出：记忆检索性能大
今天外汇市场的表现，可以说是在平静中透着一丝韧性。北京时间下午四点半，在岸软妹币对美元汇率官方收盘价定格在6 7946。 这个数字背后有两个值得玩味的对比：一是比起前一个交易日的官方收盘价，小幅上扬了8个基点；二是相较于昨晚夜盘的收盘价，则回升了17个基点。虽然波动幅度不大，但这种日内低开后的企稳回
《遥遥西土》北境区域共有十个墓碑等待收集。首个墓碑位于地图北部悬崖下方，玩家需跳至崖底才能发现，其旁另有一座墓碑作为参照。具体位置与探索方法可参考相关视频攻略。
归环好彩骰”是游戏的核心机制，通过投掷骰子组合牌型获得奖励。它将叙事、战斗与成长深度整合，玩家的选择与骰点结果直接影响剧情走向和战斗效果。机制简单易上手，无时间压力，提供即时强反馈。游戏结合“万相卡”与角色流派，支持多样策略，平衡随机性，提升了内容探索深度与复用价值。
《植物大战僵尸》抽卡重置版已上线，核心玩法融合塔防与抽卡。游戏包含七阶卡池系统，顶级卡牌稀缺。新增超百种原创植物，僵尸行为更复杂，关卡设计多样。随机植物模式增加变数，roguelike元素提升重复可玩性。版本持续更新，社区活跃。