【文章来源：techweb】
【TechWeb】2 月 13 日消息，蚂蚁集团开源发布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。
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。
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。官方平台 Chat 体验页和 API 服务将在近期上线。
【文章来源：techweb】
【TechWeb】2 月 13 日消息，蚂蚁集团开源发布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。
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。
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。官方平台 Chat 体验页和 API 服务将在近期上线。
【文章来源：techweb】
【TechWeb】2 月 13 日消息，蚂蚁集团开源发布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。
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。
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。官方平台 Chat 体验页和 API 服务将在近期上线。
【文章来源：techweb】
【TechWeb】2 月 13 日消息，蚂蚁集团开源发布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。
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。
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。官方平台 Chat 体验页和 API 服务将在近期上线。
