蚂蚁百灵开源Ring-2.6-1T模型 增强Agent能力支持双推理强度

智通财经APP获悉，5月15日，蚂蚁百灵正式开源了其参数规模达亿万级的旗舰思考模型Ring-2.6-1T，相关模型权重已在Hugging Face与ModelScope两大主流开源平台同步开放下载。此前，该模型已率先上线OpenRouter平台，并为开发者提供了限时免费的API接口体验服务。

与业界单纯追求模型参数规模或刷榜测试分数的思路不同，Ring-2.6-1T的设计目标精准指向大语言模型正在大规模进入的真实生产环境。无论是复杂的智能体（Agent）工作流、代码工程开发、深度科研分析，还是企业级的复杂业务系统与自动化流程，都是它核心瞄准的应用战场。可以说，这款开源大模型的核心竞争力在于对Agent应用场景的重点强化——其优化的不仅仅是单次对话回复的质量，更是围绕一个真实工作流的完整执行链路进行系统性提升。从初始阶段的任务理解、拆解与步骤规划，到执行中间的工具调用与长上下文信息保持，再到过程中的实时反馈修正与任务持续推进，整个链条的流畅度、稳定性与可靠性都得到了显著增强。

为了实现这一核心目标，Ring-2.6-1T引入了一个关键创新机制：可动态调节的推理强度。具体而言，模型支持“high”与“xhigh”两档配置。其中，“high”模式面向高频率、生产级的Agent工作流，旨在实现更高的处理效率与更低的响应延迟，非常适用于多轮交互、工具协作、任务拆解等常规生产调用场景。而“xhigh”模式则面向高难度、高复杂度的深度推理任务，在数学计算与推理、科研数据分析、复杂逻辑推演以及多路径问题探索等挑战性场景下，能够充分释放模型的深层思考能力上限。

这种灵活的强度设计为开发者提供了精细化的掌控力。用户可以根据实际任务的特性和需求，动态分配推理计算资源：日常的自动化业务流程使用“high”模式以保证整体运行效率；一旦遇到棘手的复杂难题或需要深度思考的分析任务，只需切换到“xhigh”模式即可立即获得更深层、更耗时的思考能力。这在很大程度上帮助开发者在效率与效果之间取得了实用性的平衡。

在模型训练层面，Ring-2.6-1T采用了创新的异步强化学习训练架构。其核心突破在于将策略采样与模型参数更新这两个关键步骤进行解耦，形成了独立并行的处理流水线。这一架构带来了两大显著优势：首先，采样过程与更新过程得以并行执行，使得GPU等硬件计算资源的利用率大幅提升，整体模型训练效率获得了数倍增长；其次，这种解耦架构天然适配超大规模数据集、长时间周期的持续训练任务，有效避免了传统同步训练中因等待而产生的瓶颈问题，极大减少了训练中断的风险，为模型能力的稳定迭代与持续进化奠定了坚实的技术基础。