v2.122 安卓最新版
v8.881.2529 最新版
v8.485 安卓免費版
v8.307.1507.458403 安卓版
v5.945.2120 IOS版
v1.412 最新版
v3.390.8685 最新版
v6.913.7858 安卓漢化版
v4.191.2845.559579 安卓免費版
v3.467.1877 IOS版
v9.104.419.135186 IOS版
v2.190.8516.2784 安卓免費版
v4.261 安卓最新版
v6.444.7374 安卓漢化版
v8.790.1117 IOS版
v3.543.9708.836584 安卓版
v8.125 安卓免費版
v1.560 最新版
v9.283.737 安卓免費版
v1.382 安卓最新版
v9.139 安卓免費版
v2.606 PC版
v1.308.7874 IOS版
v7.999 安卓免費版
v3.570.9078.281456 最新版
v7.266.9702 IOS版
v7.359 安卓版
v7.858.5496.853354 安卓版
v7.594.6526.275639 安卓版
v1.87 PC版
v1.628.959 安卓最新版
v4.950.9554.336060 最新版
v1.700.7050 安卓版
v3.214.8717 安卓免費版
v9.946.9064.437775 PC版
v9.159.5212 安卓最新版
v8.176.236.236108 安卓版
v3.560.6737 安卓漢化版
v8.689.5180.216407 安卓漢化版
v6.398 PC版
v7.128.2980.137100 安卓版
v4.252.2294.995534 安卓版
v1.876.420.267704 PC版
v8.410.4223.24909 最新版
v4.774.7108.335411 PC版
v1.221.8284 安卓漢化版
v8.492 安卓版
v4.374.5194.950912 安卓最新版
v1.709 最新版
v7.23.2223.684049 安卓免費版
v4.708.1690.1150 PC版
v6.504.97 安卓版
v3.321.3938.300611 安卓漢化版
v1.93.2148 安卓免費版
v1.50 安卓漢化版
v7.145.3958 安卓漢化版
v8.372 安卓最新版
v1.319.6798 安卓漢化版
v1.822.8228 最新版
v2.69.5032 安卓版
v3.737 PC版
v9.287.6547.689602 安卓版
v5.911 最新版
v2.710.5763 最新版
v8.208.5252 IOS版
v8.699.7016.375936 最新版
v4.335.9570.288887 最新版
v1.491.238.613270 PC版
v8.658.1626 安卓版
v3.285.5753.622714 安卓免費版
v2.904.3893.489823 IOS版
v7.815 安卓漢化版
v6.29.9901 安卓免費版
v8.722 安卓版
v5.698 最新版
v2.326.5654.807682 安卓最新版
v2.954 安卓漢化版
v8.944 最新版
v4.92.7180.31800 PC版
v7.163.2671.515463 安卓免費版
千金小姐A版
智东西作者 王涵编辑 漠影
智东西10月9日消息，昨日夜间，蚂蚁集团正式开源Ling 2.0系列中首个旗舰级非思考模型Ling-1T，参数量达到1T（1万亿）！
Ling-1T-base基于Ling 2.0架构构建，在超20T token的语料上完成预训练，支持最高128K上下文窗口。
Ling-1T全程采用FP8混合精度训练，是目前已知规模最大的使用FP8训练的基座模型。通过“中训练+后训练”的演进式思维链（Evo-CoT）技术，该模型的高效推理能力得到有效提升。
Ling-1T在推理、数学以及编程等基准测试中取得22项SOTA表现，部分基准测试超越DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905，复杂推理能力可媲美闭源API。
Ling-1T现已在Hugging Face和魔搭社区全面开源。
开源地址：
HuggingFace：
https://huggingface.co/inclusionAI/Ling-1T
ModelScope：
https://modelscope.cn/models/inclusionAI/Ling-1T
Ling chat（国内用户）：
https://ling.tbox.cn/chat
ZenMux（海外开发者，提供Chat测试与API等能力）：
https://zenmux.ai/inclusionai/ling-1t
一、数学推理能力SOTA，超越Gemini-2.5-Pro和DeepSeek-V3.1-Terminus
Ling-1T在7项有关数学以及推理能力的基准测试中获得SOTA表现。在MultiPL-E、LiveCedeBenchi2408-25051、CadeForces-raling以及FullStack Bench等编程能力基准测试中，Ling-1T超越DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905以及闭源的GPT-5-main、Gemini-2.5-Pro。
在AIME 25基准测试中，Ling-1T拓展了推理精度与推理长度的帕累托边界，展示了其在“高效思考与精准推理”方面的优势。
Ling-1T结合了深度语义理解与精准代码合成，在视觉推理与前端代码生成任务中表现较好。研究团队引入混合语法-功能-美学奖励机制，使模型不仅能生成正确且功能完整的代码，还展现出精致的视觉美感。
在AI代码生成评测标准ArtifactsBench上，Ling-1T在开源模型中排名第一，且本文中的基准可视化内容实际均由Ling-1T自身生成。在BFCL V3工具使用基准测试中，Ling-1T仅通过轻度指令微调即实现约70%的工具调用准确率，尽管训练期间未接触大规模轨迹数据。
Ling-1T能够解析复杂自然语言指令，将抽象逻辑转化为功能化视觉组件，还能生成跨平台兼容的前端代码，以及生成创作风格受控的营销文案与多语种文本，这些能力构成了通用协作人机智能的基础。
例如，让Ling-1T开发一个展示《三体》主要人物关系及阵营的图谱页面，并提供详细的视觉效果要求（配色、风格、鼠标悬停效果等）。
让Ling-1T根据要求开发Crane云平台网页，其完整实现了用户登录、数据仪表盘、客户管理、设备管理等功能。
再比如，Ling-1T 开发的“在线塔罗牌运势预测”页面，完整实现了首页、占卜流程、运势报告、塔罗数据库、用户评价、塔罗知识小贴士等产品功能。
Ling还可以生成随意控制的六边形+小球运动：
指令：写一个HTML脚本，展示1个小球在旋转的六边形内弹跳碰撞，需要满足如下要求：1. 六边形大小可以实时调整2. 六边形旋转速度可以实时调整3. 小球大小可以实时调整4. 小球和六边形间的碰撞符合物理规律，需要考虑重力、摩擦力、反弹力等等
还可以要求Ling-1T开发一个展示其自身不同写作风格能力的应用，包括前端页面和后端服务调用脚本。
Ling-1T可以根据提示词要求，对六种常见的优化问题（线性规划、旅行商问题、车辆路径问题、作业调度、最大流求解、交互式数独）进行求解并同时用pygame生成教学演示动画。
更日常一些，Ling-1T能够根据给定信息和要求（酒店、目的地坐标，步行为主，停留时长等）进行上海一日游行程规划，并开发页面，利用mapbox地图引擎展示整个行程。
Ling-1T还能玩扫雷游戏。
二、1万亿总参数、500亿激活参数，Ling-1T预训练推理语料占比超40%
Ling 2.0架构基于Ling缩放定律指导，确保了即使在1e25–1e26 FLOPs计算量下仍保持架构与超参数的可扩展性。
关键架构创新包括：
1、1万亿总参数/500亿激活参数，混合专家激活比为1/32；
2、MTP层用于增强组合推理；
3、无辅助损失、S型函数评分专家路由与零均值更新；
4、QK归一化实现完全稳定收敛。
Ling-1T全程采用FP8混合精度训练，是目前已知规模最大的使用FP8训练的基座模型。FP8混合精度训练可以实现15%以上的端到端加速，提升内存效率，并在1万亿token训练中保持与BF16精度损失偏差≤0.1%。
由于Ling 2.0的层间异构架构容易导致流水线负载不均，研究团队将interleaved 1F1B pipeline改进为异构细粒度pipeline，实现了更精细的流水线编排与更低的空泡率，带来超过40%的端到端加速。
此外，研究团队还在算子融合、通信优化、重计算、Checkpoint 存储、仿真训练与细粒度监控等方面进行了系统性优化。其研究团队透露，其中大量设计思路和技术方案源自开源社区。
训练阶段，Ling-1T使用了超过20万亿个高质量token，研究团队在第二阶段（后10T token）的预训练中引入了高推理密度语料，使整个预训练过程中推理相关语料的占比超过40%。
在中训练（Mid-training）阶段，研究团队进一步加入了高质量的思维链推理语料，这一策略能够有效实现模型推理能力的 “预激活”，为后训练阶段提供更高的推理上限和更稳定的思维基础。
与Ling-mini-2.0、Ling-flash-2.0类似，Ling-1T也采用了自研的WSM （Warmup-Stable and Merge）LR scheduler。通过mid-training checkpoint merging来模拟LR decay，进一步获得下游任务的整体提升。
基于训练中期的推理激活基础，Ling-1T的后训练阶段采用进化思维链（Evo-CoT）方法，在可控成本下实现渐进式推理增强。该技术持续拓展推理精度与效率的帕累托边界，特别适合反射式非思考模型。
强化学习方面，研究团队提出LPO，即语言学单元策略优化，是一种创新的句子级策略优化方法。研究团队认为，对于推理任务而言，句子是更符合语义逻辑的动作单元。
与GRPO（token级）或GSPO（序列级）算法不同，LPO以句子为自然语义动作单元，实现奖励信号与推理行为的精准对齐。实证表明，LPO在推理任务中具有更优的训练稳定性与泛化能力。
结语：Ling-1T在自动化开发、智能编程助手等场景具有落地潜能
蚂蚁集团通过开源Ling-1T，为开源社区带来了首个万亿参数级别的旗舰非思考模型。凭借Evo-CoT演进式思维链、LPO句子级强化学习等创新技术，Ling-1T在保持高效能的同时，实现了与闭源顶级模型相媲美的复杂推理能力。
从应用前景看，Ling-1T在前端代码生成、视觉理解等场景展示的实用能力，以及仅通过轻度指令微调就能实现约70%工具调用准确率的表现，使其在自动化开发、智能编程助手等场景具有应用落地潜能。
相关版本
多平台下载
查看所有0条评论>网友评论
bob电玩平台
