• 克雷西 發(fā)自 凹非寺
  量子位 | 公眾號 QbitAI

來來來，狠角色來給春節(jié)AI大模型大戰(zhàn)升級了。

剛剛，螞蟻集團(tuán)正式發(fā)布了全球首個開源混合線性架構(gòu)萬億參數(shù)模型Ring-2.5-1T。

這次它在數(shù)學(xué)邏輯推理和長程自主執(zhí)行能力上都練就了一身本領(lǐng)。

具體來說，它在IMO拿到了35分的金牌水平，CMO更是轟出105分遠(yuǎn)超國家集訓(xùn)隊(duì)線；任務(wù)執(zhí)行方面，則在搜索、編碼這些復(fù)雜任務(wù)上都能獨(dú)當(dāng)一面。

而且這次發(fā)布，打破了業(yè)界長期以來關(guān)于深度思考必然要犧牲推理速度和顯存的“不可能三角”。

以前大家默認(rèn)模型要想邏輯嚴(yán)密、想得深，推理解碼就得慢成龜速，顯存開銷還得爆炸。

但Ring-2.5-1T靠架構(gòu)創(chuàng)新，成功實(shí)現(xiàn)在生成長度拉到32K以上時，讓訪存規(guī)模直接降到了1/10以下，同時生成吞吐量暴漲了3倍多。

所以它現(xiàn)在身上掛著兩個極具反差感的標(biāo)簽，既是“開源界最聰明”的奧數(shù)大神，又是“跑得最快”的萬億參數(shù)思考者。

目前它已適配Claude Code、OpenClaw這些主流智能體框架，模型權(quán)重和推理代碼也已經(jīng)在Hugging Face、ModelScope等平臺同步開放了。

混合架構(gòu)讓效率大幅提升

Ring-2.5-1T之所以能打破深度思考必然犧牲推理速度這一行業(yè)魔咒，主要是因?yàn)槠涞讓硬捎昧嘶旌暇€性注意力架構(gòu)。

這種架構(gòu)基于Ring-flash-linear-2.0技術(shù)路線演進(jìn)而來。具體來說，其采用了1:7的MLA（Multi-Head Latent Attention）配Lightning Linear Attention的混搭設(shè)計。

為了讓模型在保持強(qiáng)大推理能力的同時實(shí)現(xiàn)線性級的推理速度，團(tuán)隊(duì)在訓(xùn)練上采用了增量訓(xùn)練的方式。

他們先把一部分原本的GQA（分組查詢注意力）層直接轉(zhuǎn)化為Lightning Linear Attention，這部分專門負(fù)責(zé)在長程推理場景下把吞吐量拉滿；然后為了極致壓縮KV Cache，再把剩下的GQA層近似轉(zhuǎn)換為MLA。

但這還不夠，為了防止模型表達(dá)能力受損，研究團(tuán)隊(duì)又專門適配了QK Norm和Partial RoPE這些特性，確保模型性能不降級。

經(jīng)過這一番底層架構(gòu)的重構(gòu)，Ring-2.5-1T直接利用線性時間復(fù)雜度的特性，完美解決了長窗口下顯存爆炸的難題。

改造后，Ring-2.5-1T的激活參數(shù)量從51B提升至63B，但其推理效率相比Ling 2.0仍實(shí)現(xiàn)了大幅提升。

這意味著長程推理不再是那種“燒錢又燒顯卡”的重資產(chǎn)操作，而是變得相當(dāng)輕量化，徹底解決了深度思考模型通常推理慢、成本高的痛點(diǎn)。

當(dāng)然，光跑得快沒用，邏輯還得嚴(yán)密。在思維訓(xùn)練上，Ring-2.5-1T引入了密集獎勵機(jī)制。

這就像老師改卷子時不能只看最后的得數(shù)，還得死摳解題步驟里的每一個推導(dǎo)環(huán)節(jié)，會重點(diǎn)考察思考過程的嚴(yán)謹(jǐn)性，這讓模型大幅減少了邏輯漏洞，高階證明技巧也顯著提升。

在此基礎(chǔ)上，螞蟻團(tuán)隊(duì)又給它上了大規(guī)模全異步Agentic RL訓(xùn)練，顯著提升了它在搜索、編碼這些長鏈條任務(wù)上的自主執(zhí)行能力，讓它從單純的“做題家”變成了能真正下場干活的實(shí)戰(zhàn)派。

Ring-2.5-1T實(shí)戰(zhàn)演練

接下來把Ring拉出來遛遛，我讓Gemini專門設(shè)計了一道能把人腦干燒的抽象代數(shù)證明題。

這道題目考察的是群論，要求模型在一個有限群里證明非交換群的階≥27，還得把中心階和正規(guī)子群的底細(xì)給摸清。

Ring-2.5-1T接招的姿勢也是相當(dāng)專業(yè)。它先是反手掏出Cauchy定理，接著就開始有條不紊地排雷，把階為1、3、9這些只能是交換群的坑全給避開了。

而且它在證明非交換性的時候，不僅沒被那種“3^k階群肯定交換”的直覺給帶偏，還直接把Heisenberg群甩出來當(dāng)反例，可以說很有邏輯敏感度了。

整個實(shí)測看下來，它的邏輯推導(dǎo)嚴(yán)絲合縫。模型不僅把高深定理給吃透了，在處理這種長達(dá)好幾步的邏輯鏈條時還沒出半點(diǎn)紕漏，特別是對反例的運(yùn)用直接把它的邏輯深度拉滿。

這足以證明密集獎勵訓(xùn)練確實(shí)讓模型長了腦子，它處理這類硬核邏輯任務(wù)時的表現(xiàn)，完全是實(shí)戰(zhàn)派的水準(zhǔn)。

測完了硬核的數(shù)學(xué)難題，咱們再來看看這個實(shí)戰(zhàn)派選手在系統(tǒng)級編程上，到底穩(wěn)不穩(wěn)。

這道代碼實(shí)測題要求模型用Rust語言從零開始手寫一個高并發(fā)線程池，模型得在不用任何現(xiàn)成庫的情況下，靠Arc、Mutex和Condvar把任務(wù)分發(fā)邏輯給硬生生地搭出來。

不光得能跑，還得支持“優(yōu)雅關(guān)機(jī)”，意思就是主線程在退出的時侯，必須確保所有派發(fā)出去的活兒全干完，而且堅決不能出現(xiàn)死鎖這種低級錯誤。

另外還得加個監(jiān)控模塊，萬一哪天某個Worker線程直接崩潰了，模型得能自動發(fā)現(xiàn)并把線程重啟，而且還沒處理完的任務(wù)隊(duì)列一個都不能丟，這非?？简?yàn)?zāi)Ｐ蛯?nèi)存安全和并發(fā)底層的理解。

來看Ring-2.5-1T給出的這份代碼，它的處理方式確實(shí)非常老練。它通過panic::catch_unwind精準(zhǔn)捕獲崩潰并配合一個獨(dú)立的監(jiān)控線程實(shí)現(xiàn)自動重啟，這種設(shè)計巧妙避開了初學(xué)者最容易掉進(jìn)去的死鎖陷阱。

代碼在所有權(quán)管理與異步通知上的邏輯清晰且老練，優(yōu)雅關(guān)機(jī)部分通過活動線程計數(shù)與信號量喚醒機(jī)制配合，完美達(dá)成了任務(wù)全部清空的目標(biāo)。

把統(tǒng)一模態(tài)做成可復(fù)用底座

除了在架構(gòu)和推理上的大動作，螞蟻集團(tuán)在通用人工智能基模領(lǐng)域保持多線并進(jìn)，同期發(fā)布了擴(kuò)散語言模型LLaDA2.1和全模態(tài)大模型Ming-flash-omni-2.0。

LLaDA2.1采用了非自回歸并行解碼技術(shù)，徹底改變了傳統(tǒng)模型逐詞預(yù)測的生成范式，推理速度達(dá)到了535tokens/s，在特定任務(wù)（如 HumanEval+編程任務(wù)）上的吞吐量甚至達(dá)到了更驚人的892tokens/s。

這種架構(gòu)不僅大幅提升了吞吐效率，也讓模型具備了獨(dú)特的Token編輯與逆向推理能力。它可以直接在推理過程中對文本中間的特定Token進(jìn)行精準(zhǔn)修正，或者基于預(yù)設(shè)的邊界條件進(jìn)行反向邏輯追溯。

這種靈活性在處理需要高頻改寫或復(fù)雜邏輯回溯的任務(wù)時，展現(xiàn)出了比傳統(tǒng)自回歸模型更強(qiáng)的適配性。

全模態(tài)大模型Ming-flash-omni-2.0則是在視覺、音頻、文本的統(tǒng)一表征與生成上實(shí)現(xiàn)了重大突破。

它在技術(shù)底層打通了視覺、音頻與文本的邊界，通過全模態(tài)感知的強(qiáng)化與泛音頻統(tǒng)一生成框架，讓模型既具備博學(xué)的專家級知識儲備，又擁有沉浸式的音畫同步創(chuàng)作能力。

這種全能型架構(gòu)，實(shí)現(xiàn)了極高響應(yīng)頻率下的實(shí)時感官交互。

這一大波技術(shù)更新背后的算盤很清楚，螞蟻inclusionAI是想把這些能力做成可復(fù)用底座。

這就是要給行業(yè)打個樣，給開發(fā)者提供一個統(tǒng)一的能力入口，以后想做多模態(tài)應(yīng)用不用再到處找模型拼湊了，直接調(diào)這個現(xiàn)成的底座就行。

據(jù)稱已經(jīng)明牌的是，接下來團(tuán)隊(duì)還會繼續(xù)死磕視頻時序理解、復(fù)雜圖像編輯和長音頻實(shí)時生成這幾個硬骨頭。

這些其實(shí)都是全模態(tài)技術(shù)規(guī)模化落地的最后幾道關(guān)卡，只要把長視頻邏輯看懂、把復(fù)雜修圖搞精、把音頻生成弄得更絲滑，全模態(tài)AI就能在各種干活場景里真正爆發(fā)了。

螞蟻這一套組合拳打下來，能感覺到他們在春節(jié)檔這波華山論劍里真不是來湊熱鬧的，這一本本厚實(shí)的成績單交出來，直接就把技術(shù)底蘊(yùn)給亮透了。

這種從底層邏輯到實(shí)戰(zhàn)執(zhí)行的全面爆發(fā)，穩(wěn)穩(wěn)地證明了他們就是全球AI圈子里最頂尖的那一撥選手，展現(xiàn)出了第一梯隊(duì)的水平。

螞蟻現(xiàn)在的路數(shù)，已經(jīng)跳出了單純炫技的層面，他們正把這些壓箱底的本事，變成大家能直接上手的底座方案。

大模型的華山論劍，門檻被螞蟻卷得更高了。

開源地址
GitHub：https://github.com/inclusionAI/Ring-V2.5
Huggingface：https://huggingface.co/inclusionAI/Ring-2.5-1T
ModelScope：https://www.modelscope.cn/models/inclusionAI/Ring-2.5-1T