Ling-1T上线后，蚂蚁再接再厉，推出全球首个开源的万亿参数思考模型 Ring-1T。基于 Ling 2.0 架构构建，通过纯自然语言推理，可达到 IMO 银牌的推理能力。

早在 9 月 30 日，蚂蚁就已放出 Ring-1T-preview 版本。该版本模型拥有出色的自然语言推理能力，一推出便在多项榜单上崭露头角。

此次发布主要披露了 Ring-1T 完整的训练流程，包括继续通过大规模可验证奖励强化学习（RLVR）进一步增强推理能力，并结合人类反馈强化学习（RLHF）提升通用表现，模型整体能力更均衡。

蚂蚁官方表示，他们的目标是进一步释放 Ring-1T 的推理潜力并提高长上下文下的对齐和效率。

出色的推理能力

Ring-1T 采用 Ling 2.0 架构，并在 Ling-1T-base 基础模型上进行训练。该模型包含 1 万亿个总参数，其中 500 亿个激活参数，支持高达 128K 个 token 的上下文窗口。

蚂蚁还借助自主研发的 icepop 强化学习稳定化方法和高效的强化学习系统 ASystem，实现了 MoE 架构强化学习的平滑扩展——从数百亿（Ring-mini-2.0）到数千亿（Ring-flash-2.0）再到数万亿（Ring-1T）的参数规模，显著提升了模型的深度推理和自然语言推理能力。

为了评估 Ring-1T 的深度推理能力，蚂蚁选取了具有代表性的开源思维模型，如 Deepseek-V3.1-Terminus-Thinking、Qwen-235B-A22B-Thinking-2507、Gemini-2.5-Pro 和 GPT-5-Thinking 作为基准测试。

首先，相比此前开源的预览版，Ring-1T 在各项任务上展现出更加均衡的性能。此外，Ring-1T 在数学竞赛 （AIME 25、HMMT 25）、 代码生成 （LiveCodeBench、CodeForce）、 逻辑推理 （ARC-AGI-1）等高难度推理基准测试中均取得了开源领域领先的性能。

在综合任务（Arena-Hard-v2.0）、 医疗保健 （HealthBench）和创意写作 （Creative Writing v3） 等测试中，Ring-1T 也展现出强劲的竞争力。

为了更客观地分析 Ring-1T 的深度推理能力，团队还使用了今年 7 月举办的 IMO 2025（国际数学奥林匹克）和最近结束的 ICPC 2025 世界总决赛（国际大学生程序设计竞赛世界总决赛）进行了测试。

在 IMO 2025 的测试中，Ring-1T 一次性解决了问题 1、3、4 和 5，可达到 IMO 银牌水平。在第三次尝试中，它还对一个关于几何证明的问题给出了近乎完美的答案。

问题 6 最具有挑战性，IMO 2025 中没有一位 AI 选手能够正确解答。Ring-1T 给出了与 Gemini 2.5 Pro 相同的答案——“4048”（正确答案为 2112）。研究人员表示，通过持续优化，Ring-1T 未来有潜力在 IMO 中一次性达到金牌水平。

在允许模型直接求解三次问题的测试中，团队分别对比了 GPT-5-Thinking、Gemini-2.5-Pro 和 Ring-1T 的解题能力。结果表明，Ring-1T 在国际顶级编程比赛中也表现出色。

全新的强化学习框架

随着序列长度和训练步长的增加，训练引擎和推理引擎之间运算符实现的差异会变得越来越明显，尤其是在长序列生成和训练周期延长的情况下。

团队提出了 Icepop 算法，通过掩蔽双向截断技术校正分布，有效缩小了训练阶段和推理阶段之间的差距，从而“冷却”了迅速扩大的训练-推理差异。

为了保障万亿参数基础模型的强化学习训练稳定高效，团队还自主研发了高性能强化学习系统——ASystem。ASystem 采用 SingleController+SPMD 架构，对内存管理和权重交换挑战进行了精心优化，可实现秒级零冗余的模型权重交换。

对于强化学习训练框架，研究团队基于大规模无服务器沙箱技术构建了混合奖励系统。该系统支持超过 10 种编程语言的执行环境，并处理高达 10K/s 的请求吞吐量。系统目前已经开源。

然而，Ring-1T 也有不少局限性。当前版本存在身份识别偏差、语言混合、重复生成等问题。此外，由于其注意力机制仍沿用 Ling 2.0 的 GQA 方法，在长上下文场景下的推理效率仍有提升空间。

研究人员表示，Ring-1T 的训练仍在进行中，将在未来的版本中继续优化这些问题。

参考资料：

https://huggingface.co/inclusionAI/Ring-1T