全球首个混合线性架构思考模型开源：长文本推理效率提升3倍，获IMO金牌

2月13日，蚂蚁集团开源社区发布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。该模型在长文本生成、数学推理与智能体任务执行方面均达到开源领先水准，为智能体（Agent）时代的复杂任务处理提供了高性能基础支撑。

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 👈

在生成效率方面，Ring-2.5-1T在处理32K以上长文本时，相比上一代模型显著降低了10倍以上的内存占用，同时生成吞吐量提升了3倍以上。

在深度思考能力上，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竞赛（CMO 2025）的自测中均达到金牌水平（IMO 35分、CMO 105分），展现了卓越的数学推理能力。

同时，该模型可轻松适配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功能。

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，该模型均达到开源领先水平。特别是在深度思考模式下，该模型在IMOAnswerBench、HMMT-25等数学竞赛推理基准和LiveCodeBench-v6代码生成基准中超越了所有对比模型，展现出强大的复杂推理与跨任务泛化能力。

据了解，Ring-2.5-1T基于Ling 2.5架构，通过优化注意力机制，显著提升了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。

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。最新平台Chat体验页和API服务将在近期上线。

具体开源仓库和体验页面如下：

Hugging Face：

ModelScope：