連續發布兩款萬億參數模型，螞蟻 AI 來勢洶洶

大模型開源生態有了新變化。

作者丨齊鋮湧

編輯丨陳彩嫻

剛剛過去的國慶，各行各業進入放假模式，但大模型行業卻一刻也沒閑著。

過去的半個月，國內外大模型的頭部團隊有十余款重磅產品發布，但每個團隊的產品側重不同。

其中，九月下旬，阿里發布以 Qwen3-Max 為代表的全家桶產品，大秀了一把肌肉；九月末，DeepSeek 和 Anthropic 瞄準真實編程場景，先后發布了 DeepSeek V3.2-Exp 和 Claude Sonnet 4.5，此外，智譜也拿出 GLM-4.6，目標沖擊國內最強代碼模型。

有人全盤布局，也有人專攻精尖，在大模型領域競爭駛向深水區后，各個公司戰略路線出現了分野。

10 月 9 日凌晨，螞蟻百靈大模型團隊奇襲般官宣了一款自家最新語言大模型 Ling-1T，參數量達到 1000B（即 1萬億參數）。然而，就在十天前，百靈團隊才將自研 Ring-1T-preview 大模型開源。

短短十天內，發布并開源兩款萬億參數模型，如此密集的產品發布讓螞蟻百靈大模型成為了行業熱議對象。

與此同時，這樣毫無保留的開源動作，也讓業界猜測：螞蟻到底意圖何在？

01

探索智能上限是終極目標

據了解，螞蟻集團研發的基礎大模型取名“百靈”，寓意“百試百靈”，也蘊含科技普惠之意，和阿里一樣，螞蟻也是獨立團隊獨立研發，Ling-1T 和 Ring-1T-preview 分別是螞蟻百靈團隊研發的非思考模型和思考模型。

過去半年時間里，螞蟻一直在對百靈大模型進行迭代優化，并且自上而下形成了三條技術探索路線：

一條是以 MoE 架構為基礎的非思考模型 Ling-Series，另一條是思考模型 Ring-Series，第三條是原生全模態大模型 Ming-Series 。

如今，螞蟻百靈團隊在 Ling 和 Ring 兩款模型路線上都已經將參數量擴大到萬億參數。

萬億參數，幾乎等同于人類大腦神經元數量，相當于讓 AI 擁有等同于人腦的處理能力，但萬億參數非常難訓。目前，國內能達到萬億參數規模的大模型也是鳳毛麟角。

除了剛才提到的百靈大模型 Ling-1T 和 Ring-1T-preview ，目前國內公開資料可查的萬億參數大模型只有 Kimi K2、阿里 Qwen3-Max 和騰訊混元大模型等少數幾個模型，可見大模型領域“萬億俱樂部”的門檻之高。

雖然今年以來盛行“數據撞墻論”和“預訓練終結”的觀點，但越來越多科學家也形成了一個新的共識：更大的參數，更多的數據，仍然能帶來持續的性能提升。

阿里的算法負責人林俊旸公開表態：Scaling Law 仍然沒見頂，訓練數據的增加，參數規模的擴大，都還能看到模型性能的提升。

楊植麟的Kimi 團隊更是克服萬難悶頭苦干，終于在兩個月前，拿出了萬億參數的旗艦模型K2。通義千問團隊直接提出了“大就是好”的暴論，并且讓 Qwen3 堅定不移地沿著“Just Scale it”的擴展路徑前進。

由此可見，大家都還在朝著“探索智能上限”出發。

02

百靈大模型加速涌現

據了解，過去一年里，平均7天就有一款高性能大模型誕生。可以說，國內不缺大模型。

但在參數和效率之間，能做到完美平衡的大模型卻不多。

就拿萬億參數模型來說，模型變大了，往往會犧牲推理速度，推理速度上去了，準確率又很難達到。業界知名的旗艦款大參數模型，都能在推理能力和思考效率上做到很不錯的平衡。

這個平衡點，被稱之為帕累托最優，我們經常用多維基準測試的分數來量化對比。這次螞蟻發布的 Ling-1T 在公開的對比榜單中，表現讓人非常意外。

下圖是 Ling-1T 在部分權威基準評測的表現，紅色加粗代表 Ling-1T 的得分獲得 Top1，黑色加粗下劃線表示 Top2：

我們重點關注的編程與數學推理（ Coding & Math ）兩個維度上，Ling-1T 表現非常亮眼，甚至多個得分超過 DeepSeek。在知識理解方面，Ling-1T 也比Kimi、GPT-5 主干模型等的得分，高出幾分。

這意味著，Ling-1T 的深度思考能力和泛化能力，以及邏輯推理能力，都非常全面。因此，Ling-1T 會非常擅長從事代碼生成、軟件開發、競賽數學、專業數學、邏輯推理等場景。

但對于萬億參數模型來說，除了綜合性能，還需要考慮一個問題：推理正確率。這就需要引入競賽數學榜單 AIME 25 競賽數學榜單 AIME 25 的挑戰，Ling-1T 的成績如下：

Ling-1T 在 AIME 25 測試中，與 DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905 （開源）以及 GPT-5-main、Gemini-2.5-Pro （閉源）這些旗艦模型對比，展示出更短的思考路徑和更高的推理準確率，能做到支持 128K 長文本窗口處理能力，每個 token 做到約 50B 參數的激活量。

這樣的成績，源自螞蟻百靈團隊長時間的積累與創新。

依托于團隊儲備的二十萬億 Token 高質量文本語料訓練，Ling-1T 吃進了大量優質知識。在預訓練階段， Ling-1T 的訓練團隊讓由 Ling Scaling Laws 自我設置關鍵超參，簡單地說，就是讓大模型自我優化。

同時在強化訓練階段，加入了百靈團隊原創的 LPO 策略優化算法，讓模型回答得更對。

此外，團隊還額外提出了“語法-功能-美學”的混合獎勵機制，提高模型審美。下面這張是 Ling-1T 工程師繪制的模型架構圖：

不止是剛發布的 Ling-1T 和9月30日發布的 Ring-1T-preview ，螞蟻實際上已經形成了完整的百靈大模型家族。

從尺寸上，包含從160億總參數到1萬億總參數的大語言模型產品矩陣；從模態上，包含了能看能聽能說能畫的，從理解到生成能統一的大模型；

從場景上，也形成了包括手機上可以運行的 Ling-mini，還有能在中小企業服務器上部署的 Ling-flash，以及云端可調用的 Ling-1T。

這些模型，在過去一段時間，無論是社區榜單還是實際使用上，都得到了很多有效回應。

螞蟻百靈團隊開發的全模態模型 Ming-lite-omni v1.5 甚至在 Hugging Face 模型趨勢榜（any to any）排到過第一的位置。

Ring-1T-preview 發布完的第二天，就沖上了 Hugging Face 模型榜 Text Generation 總榜排名第三，排名第四的也是9月 Ling 團隊發布的混合架構思考模型 Ring-flash-linear-2.0 。

圖靈獎得主 Yann LeCun（楊立昆）甚至點贊并評論“Impressive”（了不起），了解這位特立獨行大佬的網友表示：“ LeCun 愿意給 LLM（大模型）說句好話不容易”。

一位蘋果工程師量化完跑起來模型，評價螞蟻百靈模型的性能“Getting closer to GPT-5 at home”（在本地部署上的性能接近 GPT-5）。

這些技術從業者和開發者們的真實聲音，給予了百靈模型非常正向的反饋。

03

探索 AGI ，亟需參與者們的共建意識

百靈團隊，如此快速地躋身“萬億參數俱樂部”，背后跟螞蟻的戰略動作分不開。作為一家成立了20年的互聯網公司”，螞蟻在 AI 領域的投入一直是非常巨大的。

去年螞蟻20周年時候，螞蟻集團董事長井賢棟宣布：未來20年，螞蟻要做一家科技驅動、創新驅動的公司。螞蟻集團還提出了 AI First 戰略，并將其與“支付寶雙飛輪”和“加速全球化”一齊，并稱為螞蟻集團的三大戰略。

而 Ling-1T 和 Ring-1T-preview 的出現，則是螞蟻 AI First 戰略持續加速的表現。

不選擇閉源道路，而是選擇了開源，足以證明，螞蟻想干一件更長遠的事：

通過技術開放的方式，不斷迭代技術，構建一個真正開放的 AGI 生態。

根據 AI 科技評論了解，目前“萬億參數俱樂部”里能做到完全開源的，只有螞蟻百靈的 Ling-1T 和 Ring-1T-preview ，以及 Kimi 的 K2。

在大模型參數軍備競賽愈演愈烈的 2025 年，投入如此巨大之后，螞蟻選擇直接開源，看似讓人費解。

但如果了解大模型開源背后的意圖，就會明白，當 Ling-1T 和 Ring-1T-preview 這樣萬億參數模型，公布了背后的訓練數據、算法、模型，開發者可以直接利用這些“龐然大物”作為起點，快速構建復雜的應用程序，無需關心底層模型的訓練。一個“使用-反饋-迭代”的正向循環，將極大推動技術共建，加快智能涌現。

這條"技術平權化"的道路，我們并不陌生。今年年初，DeepSeek 的橫空出世，已經為眾多中國大模型頭部玩家們指明了道路。

今年接任螞蟻集團 CEO 的韓歆毅，曾在內部技術日上表達了螞蟻 AI 的主張：

“大家說（螞蟻）聚焦 AI 應用，還要不要做基礎大模型，年初討論的時候我們答案非常堅決，一定要，因為如果基于 AI 做服務和應用，就像訓練一個人去做所有的事，追求智能上限，會讓這個人更加聰明，能夠做更多、更好的服務。我們很堅定去探索 AGI 、探索智能上限。”

螞蟻還專門成立了 InclusionAI 開源組織，建設了大模型全棧技術，包含強化學習推理框架 AReaL、多智能體框架 AWorld 等，這些技術也已經通過開源、開放合作的形式與行業共享共建，讓創作者可以交流共創。

能看得出來，相比于登臺唱戲，螞蟻更加愿意把戲臺搭好，AI 的基礎設施鋪設好，才能吸引更多的人來共建，真正邁向 AGI 。

未經「AI科技評論」授權，嚴禁以任何方式在網頁、論壇、社區進行轉載！

公眾號轉載請先在「AI科技評論」后臺留言取得授權，轉載時需標注來源并插入本公眾號名片。