蚂蚁开源Ring-1T模型：万亿参数思考逼近GPT-5

10月14日凌晨，蚂蚁集团正式发布万亿参数级思考模型Ring-1T，不仅公开了完整模型权重，还同步开源了详细的训练配方。这款模型在9月底开放的预览版Ring-1T-preview基础上，继续采用大规模可验证奖励强化学习（RLVR）技术进行深度训练，有效提升了万亿基座模型的自然语言推理性能。同时通过RLHF对齐优化，模型在各类任务中的表现更为均衡稳定。

为进一步挖掘模型在复杂数学推理方面的潜力，百灵技术团队尝试将Ring-1T接入多智能体框架AWorld，使用纯自然语言推理解答IMO2025国际数学奥林匹克竞赛试题。实验结果表明，该模型仅一次尝试就成功解答出第1、3、4、5题，达到了相当于IMO银牌的水平，成为全球首个能够获得国际奥数奖项的开源AI系统。在第三次尝试解答第2题几何证明时，Ring-1T给出了接近完美的推理过程；而在众多顶尖模型纷纷失利的第6题中，其最终答案"4048"与Gemini 2.5 Pro结果一致（正确答案为2112）。作为专业思考模型，Ring-1T在通用能力方面同样表现亮眼：在"Arena-Hard V2"人类偏好对齐测试中，以81.59%的成功率位居开源模型首位，紧追GPT-5-Thinking(High)82.91%的成绩；在专业医疗问答基准HealthBench测评中，也取得了开源领域的最高分。

（Ring-1T与业界代表性思考模型的性能横评）

训练万亿参数级思考模型面临的核心挑战在于训练与推理阶段的精度差异问题——由于实现细节不同导致的精度不一致往往引发训练崩溃。为此，蚂蚁研发团队独创了"棒冰（icepop）"算法，通过带掩码的双向截断技术将训练-推理分布差异控制在较低水平，确保长序列、长周期训练的稳定性。针对万亿参数模型强化学习的特殊需求，团队还自主研发了高性能强化学习系统ASystem（内含已开源的高性能强化学习框架AReaL），重点优化了显存管理与权重交换机制，实现了单机显存碎片的秒级回收和权重的零冗余交换，使得大规模强化学习训练成为常态化操作。

（图左：GRPO训推差异随着训练成指数上升，icepop较为平稳；图右：训推差异最大值，GRPO随着训练上升非常明显，icepop维持在较低水位）

此次发布的Ring-1T继续基于Ling 2.0架构的1T基础模型进行后训练。该架构融合了高度稀疏的MoE设计、1/32的专家激活比、FP8混合精度以及MTP等先进特性，确保了训练与推理的高效性。在后训练阶段，百灵团队通过LongCoT-SFT、RLVR与RLHF多阶段协同训练，显著增强了模型在复杂推理、指令遵循和创意写作等领域的综合能力。

据百灵团队介绍，Ring-1T是其在万亿参数思考模型领域的首次探索，后续将持续优化模型性能。目前用户可通过HuggingFace、魔搭社区获取模型资源，也可通过蚂蚁百宝箱等平台进行在线体验。

截至目前，蚂蚁百灵大模型系列已累计发布18款不同规模的模型，形成了从160亿到1万亿参数的全系列产品矩阵，其中包括两款万亿级参数模型——通用大语言模型Ling-1T与思考模型Ring-1T。随着这两款重量级模型的推出，百灵大模型正式迈入2.0发展阶段。