螞蟻最近好卷啊，

兩周內先后開源了Ring-1T-preview、Ling-1T和Ring-1T，Ring-1T同時是全球首個開源的萬億思考模型，這名頭夠響亮，也夠讓我半夜開機來個全面測試。

ling.tbox.cn

在正式開測前，我覺得需要理一下螞蟻這一系列新模型，螞蟻，就是我們手機里那個能種樹、能付錢的支付寶螞蟻，

他們發(fā)布的大模型中文名叫百靈，有三個系列，Ling代表語言模型，Ring代表思考模型，Ming則代表多模態(tài)模型。

跟preview版不同，正式版Ring-1T完成了完整的訓練流程，包括繼續(xù)通過大規(guī)?？沈炞C獎勵強化學習訓練提升了推理能力，通過RLHF訓練提升了模型通用能力。

來看看紙面實力吧，Ring-1T在數學競賽（AIME 25、HMMT 25），代碼生成（LiveCodeBench、CodeForce-Elo）,邏輯推理（ARC-AGI-v1）上達到了開源SOTA水平。

光速開測，用的是我的大模型噩夢級測試案例1.1版，跟DeepSeek V3.2（開深度思考）來個PK。公開所有提示語，每個提示語跑三次，取效果最好的一次作為最終結果。包括SVG、物理模擬、前端設計、可交互3D四大類

有些提示語比較長，以及連同輸出的代碼和效果我都打包到文檔了，公眾號后臺發(fā)“ring”就好啦。

先來個SVG熱熱身，

繪制一個騎自行車的鵜鶘的 SVG 圖像

Ring-1T（左側）差個腳踏，輪子、車架、鳥本體都有了，而 DeepSeek V3.2 畫出來的鵜鶘還是如此穩(wěn)定實現了腳身分離，方向也反了，車把也沒了。

為了讓大家清晰看出差別，我又又又又把另外16個模型的跑出來的鵜鶘拿出來了，什么看到能忍不住不笑啊

再來看看常見的物理模擬，

用 HTML、CSS 和 JavaScript 實現這樣一個效果：一個小球被困在一個旋轉的六邊形內部。小球受到地球重力的作用，并與六邊形內壁產生摩擦。小球的彈跳需要看起來逼真自然。

Ring-1T：

DeepSeek V3.2：

Ring-1T和DeepSeek V3.2都提供了多項參數選擇，包含但不限于小球重置，增減六邊形旋轉速度，還可以取消動力，Ring-1T在這個基礎上還增加了反彈和墻面摩擦力。

接著測測UI組件，復刻我天天見的界面，

幫我做一個 Microsoft Word 的克隆版本，但只需要前端部分。

Ring-1T：

DeepSeek V3.2：

上次測試了Excel，這次測測看word文檔的復刻效果怎么樣，

除了加粗、斜體、下劃線，Ring-1T還可以實現字體大小調整，左中右對齊。界面本體和功能切換上真能唬住我，這種case測起來就有種驚喜感，明明沒有期待它能完成除了前端外的別的功能，但是抽盲盒能抽出來。

Create animated cards in HTML, JS, and CSS with hover effects, transitions, and responsive design. Include 3-5 cards with different content.

Ring-1T：

DeepSeek V3.2：

這個屬于是天氣組件的變體，不做任何限制，就讓模型出卡，它們都選擇了帶放大特效和按鈕變色。我發(fā)現DeepSeek V3.2特別喜歡用暖色，Ring-1T反而喜歡用冷色調，有點想測測它們的16人格了。

UI測完了，來個可交互的3D界面，

好久沒做貪吃蛇了，來看看現在能做到什么程度了

Build a complex Snake game in JavaScript with power-ups, multiple levels, and score tracking UI.

Ring-1T：

DeepSeek V3.2：

現在已經可以給貪吃蛇加上速度、磁力、雙倍積分和護盾了，DeepSeek V3.2把色塊做出來了，但是沒有起到作用。

回到模型本身，

Ring-1T在Ling-1T-base基礎上通過LongCoT-SFT + RLVR + RLHF多階段訓練出來的，Ling-1T用的是MoE結構，前4層是dense結構，后面76層才是MoE，一共256個專家，每次激活參數約51B，預訓練數據20T Tokens，全程采用FP8精度訓練

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

https://modelscope.cn/models/inclusionAI/Ring-1T

除了直接對話，Ring-1T也已經上線到螞蟻的多Agent平臺百寶箱里了，

百寶箱我之前也做過測評，幾步就可以拉起一個自己的Agent團隊，還可以在支付寶上kuku收錢。

在訓練過程中，螞蟻還有兩大神器。

一個叫Icepop，中文叫棒冰的算法，它的作用就是當一根棒冰（字面意義上），給模型的強化學習訓練過程降溫，通過修正了訓練和推理階段的精度差異，避免了長周期訓練中GRPO算法可能出現的崩潰問題。

在技術報告里面放出了兩張圖，

圖左：GRPO訓推差異隨著訓練成指數上升，Icepop較為平穩(wěn)；

圖右：訓推差異最大值，GRPO隨著訓練上升非常明顯，Icepop維持在較低水位

我用大白話解釋一下，

左圖看的是整體情況：IcePop整體很穩(wěn)，GRPO整體上越來越不穩(wěn)定。

右圖看的是極端情況：GRPO不僅整體不穩(wěn)定，在最壞情況下的差異還在持續(xù)惡化。而IcePop在最壞情況下，差異也遠小于GRPO，并保持在相對可控的范圍內。

另一個則是自研的高性能強化學習系統(tǒng)ASystem，它的任務只有一個，搞定萬億參數這種巨無霸模型的訓練。

https://github.com/inclusionAI/AReaL

• 模型的個頭太大，把它塞進顯卡里，內存會爆掉。那就只把當前計算需要的那一小部分數據放進顯卡。
• 模型需要在一個安全的環(huán)境里不斷練習才能進步。那就提供多個獨立的練習房（沙箱），模型想練就練，而且每秒能支撐上萬次練習。

可能很多人不知道螞蟻還悶聲搞了不少事，

在模型層除了基礎語言模型Ling-1T和這次的推理模型Ring-1T，馬上還會更新多模態(tài)模型Ming，

框架層也沒放過，除了上面提到的Asystem，還有多智能體系統(tǒng)框架AWorld，

應用層也還有，除了上面提到的多Agent百寶箱，還有AI健康管家AQ、AI理財管家螞小財、AI生活管家

該有的都有了，

這樣來看，螞蟻開源模型更像是件順手的事。

那來都來了，

在線吃我一波催更再走吧。

@ 作者 / 卡爾

最后，感謝你看到這里如果喜歡這篇文章，不妨順手給我們點贊｜在看｜轉發(fā)｜評論

如果想要第一時間收到推送，不妨給我個星標

更多的內容正在不斷填坑中……