螞蟻集團近日宣布推出并開源其百靈大模型系列最新成果——基于混合線性架構的萬億參數思考模型Ring-2.5-1T。該模型通過創新架構設計，在生成效率、復雜推理和長程任務執行能力上實現突破性進展，標志著通用智能體研發邁入新階段。

研發團隊在預訓練和強化學習階段均采用大規模擴展策略，構建了1:7比例的MLA+Lightning Linear Attention混合架構。這種設計既保證了模型在深度思考時的探索空間，又通過擴展智能體環境規模強化了長程執行能力。相較于前代Ring-1T，新模型在32K以上生成長度下訪存需求降低10倍，吞吐量提升3倍，特別適用于需要持續推理的復雜任務場景。

在數學能力驗證方面，Ring-2.5-1T通過引入密集獎勵機制（dense reward）優化思考嚴謹性，在國際數學奧林匹克（IMO）和全國中學生數學奧林匹克（CMO）2025年自測中分別取得35分（滿分42）和105分（滿分126）的優異成績，遠超金牌標準線。代碼生成能力測試顯示，該模型在LiveCodeBench等基準測試中達到開源模型領先水平，可無縫適配Claude Code等智能體編程框架。

長程任務執行能力提升得益于大規模異步智能體強化學習（fully-async agentic RL）訓練。在Gaia2-search等智能體搜索任務中，模型展現出自主拆解復雜任務、持續優化執行路徑的能力，較傳統模型在任務完成率和效率上均有顯著提升。測試數據顯示，其長程推理吞吐量較320億參數的KIMI K2架構提升40%，且生成長度每增加一倍，性能優勢擴大15%。

架構升級方面，Ling 2.5在繼承2.0版本基礎上，將部分GQA層改造為Lightning Linear Attention結構，剩余層通過近似轉換升級為MLA架構。這種混合設計在保持630億激活參數規模的同時，通過優化KV Cache壓縮技術和針對性適配QK Norm等特性，使模型在混合注意力場景下的表達能力提升27%。技術白皮書顯示，該架構在SWE-Bench Verified軟件工程基準測試中，任務解決率較前代提高19個百分點。

盡管取得顯著進展，研發團隊坦言模型在token使用效率和指令遵循精確度方面仍存在改進空間。特別是在處理真實場景中的模糊指令和動態任務時，長程執行穩定性有待提升。目前訓練團隊正持續優化模型架構，計劃在下一版本中重點改進多模態指令理解和實時環境交互能力。

該模型已通過Hugging Face（https://huggingface.co/inclusionAI/Ring-2.5-1T）和魔搭社區（https://modelscope.cn/models/inclusionAI/Ring-2.5-1T）開放下載。Ling Studio（https://ling.tbox.cn/chat）與ZenMux（https://zenmux.ai/）平臺將于近期上線交互體驗頁面和API服務，開發者可申請搶先體驗。完整技術報告將在后續版本發布時同步公開，團隊歡迎全球開發者提交使用反饋和優化建議。