2月13日消息，螞蟻集團開源發布全球首個基于混合線性架構的萬億參數思考模型 Ring-2.5-1T，在長文本生成、數學推理與智能體任務執行上達到開源領先水平，為智能體（Agent）時代的復雜任務處理提供高性能基礎支撐。
在生成效率上，Ring-2.5-1T在32K以上長文本生成場景中，對比上代模型訪存規模降低10倍以上，生成吞吐提升3倍以上。在深度思考能力方面，該模型在國際數學奧林匹克競賽（IMO 2025）和中國數學奧林匹克（CMO 2025）自測均達到金牌水平（IMO 35分、CMO 105分）。同時，可輕松適配Claude Code等智能體框架與OpenClaw個人AI助理，支持多步規劃與工具調用。
在多項權威基準測試中，Ring-2.5-1T 與 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 等主流開源與閉源模型進行了系統對比，在數學推理、代碼生成、邏輯推理和智能體任務執行等高難場景中達到開源領先水平。尤其在深度思考（Heavy Thinking）模式下，Ring-2.5-1T在IMOAnswerBench、HMMT-25等數學競賽推理基準和LiveCodeBench-v6代碼生成基準中超越所有對比模型，展現了強大的復雜推理與跨任務泛化能力。
Ring-2.5-1T基于Ling 2.5架構，通過優化注意力機制，顯著提升長文本推理的效率與穩定性。模型激活參數規模從前代的 51B 提升至 63B，但在混合線性注意力架構的支持下，推理效率相比上一代大幅提升。與僅具備 32B 激活參數的KIMI K2架構相比，在1T總參數量下，Ling 2.5架構在長序列推理任務中的吞吐表現依然優勢顯著，且隨著生成長度增加，效率優勢持續擴大。
隨著AI大模型應用從短對話向長文檔處理、跨文件代碼理解、復雜任務規劃等場景擴展，Ring-2.5-1T有效緩解了長輸出場景下計算開銷高、推理速度慢的問題。該模型的開源也體現了螞蟻百靈團隊在大規模訓練基礎設施、算法優化和工程落地方面的綜合能力，為行業提供了高性能、高效率的智能體時代基礎模型新選擇。
目前，Ring-2.5-1T 的模型權重與推理代碼已在Hugging Face、ModelScope等主流開源平臺發布。官方平臺Chat體驗頁和API服務將在近期上線。
