懂人性更懂執(zhí)行，螞蟻這個(gè)萬(wàn)億開(kāi)源模型把情商和戰(zhàn)斗力都給拉滿了

• 克雷西 發(fā)自 凹非寺
  量子位 | 公眾號(hào) QbitAI

現(xiàn)在想找個(gè)既能干活又像真人一樣好聊的模型變難了，AI好像正在變得越來(lái)越理性，但也越來(lái)越“不通人性”。

在這個(gè)節(jié)骨眼上，螞蟻百靈大模型家族全新推出了萬(wàn)億參數(shù)的旗艦級(jí)模型Ling-2.5-1T，不僅主打通用全能，還是個(gè)能夠高效回復(fù)的即時(shí)模型。

具體來(lái)說(shuō)，Ling-2.5-1T既擁有強(qiáng)大的Agent執(zhí)行力，又保留了情商和寫(xiě)作能力。

同時(shí)，它還想證明萬(wàn)億參數(shù)的大塊頭也能身輕如燕，不需要在那兒“轉(zhuǎn)圈思考”半天才能出結(jié)果，關(guān)鍵還不喜歡廢話，非常節(jié)約Token。

簡(jiǎn)而言之，Ling-2.5-1T就是一個(gè)讓人用得起、跑得快、寫(xiě)得好、還靠得住的萬(wàn)億基座，給開(kāi)發(fā)者一個(gè)兼具人性溫度與開(kāi)源誠(chéng)意的選擇。

萬(wàn)億參數(shù)也有極致效率

Ling-2.5-1T的定位非常清晰，就是一款追求極致效率的即時(shí)模型（Instant Model）。

在與前一代、及現(xiàn)在主流的大尺寸即時(shí)模型對(duì)比中，Ling-2.5-1T在復(fù)雜推理、 指令遵循能力方面具有明顯優(yōu)勢(shì)。

在架構(gòu)設(shè)計(jì)上，它在Ling2.0的基礎(chǔ)上引入了混合線性注意力機(jī)制，通過(guò)增量訓(xùn)練把原本的GQA結(jié)構(gòu)升級(jí)成了1:7比例的MLA加上Lightning Linear的組合。

具體來(lái)說(shuō)，研發(fā)團(tuán)隊(duì)利用Ring-flash-linear-2.0技術(shù)路線，直接將部分GQA層改造為L(zhǎng)ightning Linear Attention，顯著提升了長(zhǎng)程推理的吞吐能力。

同時(shí)，研究團(tuán)隊(duì)還將其余GQA層近似轉(zhuǎn)換為MLA，并對(duì)其中的QK Norm、Partial RoPE等特性進(jìn)行了針對(duì)性適配，把KV Cache壓到了極致。

所以，它的激活參數(shù)量雖然有63B，但運(yùn)行起來(lái)反而比那些32B激活參數(shù)的模型還要輕快，而且生成的文本越長(zhǎng)，這種吞吐優(yōu)勢(shì)就越明顯。

上下文方面，Ling-2.5-1T支持整整1M Tokens的超長(zhǎng)窗口，預(yù)訓(xùn)練語(yǔ)料也擴(kuò)充到了29T。

大海撈針測(cè)試中，Ling-2.5-1T在1M tokens的上下文窗口內(nèi)均表現(xiàn)優(yōu)異。

并且，Ling-2.5-1T在對(duì)比采用MLA和DSA架構(gòu)的大型即時(shí)模型時(shí)，在多項(xiàng)超長(zhǎng)上下文任務(wù)中展現(xiàn)出效果優(yōu)勢(shì)。

這意味著你不管是扔給它幾百頁(yè)枯燥的技術(shù)文檔，還是一本厚厚的長(zhǎng)篇小說(shuō)，它都能把里面的細(xì)枝末節(jié)記得清清楚楚。

再加上指令遵循能力的升級(jí)，Ling-2.5-1T的長(zhǎng)文與多輪對(duì)話交互變得更加可靠。

螞蟻團(tuán)隊(duì)構(gòu)建了Agent-based校驗(yàn)機(jī)制，針對(duì)細(xì)粒度約束，編寫(xiě)了由Rubric（評(píng)分規(guī)則）與Code（代碼斷言）構(gòu)成的硬性校驗(yàn)獎(jiǎng)勵(lì)。

在IFEval等指令遵循基準(zhǔn)測(cè)試中，Ling-2.5-1T在多重約束下的執(zhí)行準(zhǔn)確率與邏輯一致性顯著提升。

而且它還有一個(gè)優(yōu)點(diǎn)就是“高Token Efficiency”，這點(diǎn)在Agent工具調(diào)用的場(chǎng)景里體現(xiàn)得特別明顯。

大家平時(shí)最怕模型在中間環(huán)節(jié)給自己“加戲”，Ling-2.5-1T經(jīng)過(guò)深度優(yōu)化，在處理復(fù)雜任務(wù)鏈路時(shí)能做到直擊要害，絕不為了湊字?jǐn)?shù)而進(jìn)行無(wú)效的思維漫游，在跑長(zhǎng)流程任務(wù)時(shí)能幫你省下大量Token。

在相同token效率條件下，Ling-2.5-1T的推理能力顯著超越前代，接近需消耗約3~4倍輸出token的前沿思考模型水平。

說(shuō)到復(fù)雜鏈路，Ling-2.5-1T也在Agent能力上做了專(zhuān)門(mén)強(qiáng)化，引入了Agent驅(qū)動(dòng)校驗(yàn)和多重約束訓(xùn)練，深度適配Cline、Claude Code等主流編程智能體。

不管是做復(fù)雜的自動(dòng)化規(guī)劃還是跨平臺(tái)操作，它都能像個(gè)靠譜的老員工一樣執(zhí)行到位。

而且它并沒(méi)有為了智能體能力而犧牲寫(xiě)作水平，甚至為了去掉大模型常見(jiàn)的“機(jī)器味”，螞蟻專(zhuān)門(mén)找了人文社科專(zhuān)家做RLHF特訓(xùn)。

現(xiàn)在的Ling-2.5-1T寫(xiě)起東西來(lái)非常克制且有溫度，不管是商務(wù)郵件還是創(chuàng)意文案，都能拿捏好分寸，給你最真實(shí)、最像活人的文字反饋。

左手寫(xiě)作，右手Agent

為了測(cè)測(cè)它的筆頭功夫到底硬不硬，我給它出了個(gè)難題——

假設(shè)你是一個(gè)產(chǎn)品翻車(chē)的CEO，請(qǐng)你分別寫(xiě)一條深夜破防的朋友圈，和一封給全體用戶(hù)的正式致歉信。

為了更有說(shuō)服力，我還拉來(lái)了GPT-5.2做對(duì)比。先看朋友圈文案，兩邊的畫(huà)風(fēng)差得挺大。

我的指令很簡(jiǎn)單，只說(shuō)了“表達(dá)真實(shí)心情”。

對(duì)于這個(gè)要求，GPT-5.2的理解是“展現(xiàn)韌性”。它說(shuō)：“說(shuō)不難受是假的……產(chǎn)品可以跌倒，公司不能裝沒(méi)事。”

這話邏輯沒(méi)毛病，態(tài)度也很堅(jiān)決，像是一個(gè)永遠(yuǎn)打不倒的鐵血老板，哪怕在私域里也在努力維系團(tuán)隊(duì)的士氣。

Ling-2.5-1T則是“流露脆弱”。它上來(lái)就是：“這個(gè)夜晚，比我想象的要漫長(zhǎng)得多”，緊接著寫(xiě)到了“滿屏的質(zhì)疑和滾燙的機(jī)身”。

它捕捉到了那種焦慮和壓抑的狀態(tài)。這種對(duì)情緒顆粒度的還原，確實(shí)更像一個(gè)活生生的人在遭受打擊后的真實(shí)反應(yīng)。

到了致歉信環(huán)節(jié)，Ling-2.5-1T顯得更懂“分寸”。

GPT-5.2寫(xiě)的是滿分公關(guān)文——承認(rèn)問(wèn)題、退款召回、承諾改進(jìn)——挑不出什么錯(cuò)，但也就是個(gè)標(biāo)準(zhǔn)模板，有點(diǎn)冷冰冰。

而且其中充斥著大量的“不是……而是/而不是……”“在……不在……”這樣的AI慣用話術(shù)，讓人不免懷疑其道歉的誠(chéng)意。

Ling-2.5在標(biāo)準(zhǔn)動(dòng)作之外，不僅感情更加真摯，對(duì)問(wèn)題的看待也更加“通透”。

它特別加了一句“對(duì)供應(yīng)鏈的把控失職，未能發(fā)現(xiàn)隱患”，沒(méi)有對(duì)外甩鍋，自己認(rèn)下了“監(jiān)管不力”的問(wèn)題，既認(rèn)了具體的錯(cuò)，又顯得很有擔(dān)當(dāng)。

對(duì)比下來(lái)， GPT-5.2像個(gè)精英高管，辦事高效但沒(méi)啥感情；而Ling-2.5更像個(gè)懂人性的創(chuàng)業(yè)老炮，知道什么時(shí)候該示弱，什么時(shí)候該扛事兒。

總之這一波，Ling-2.5-1T贏在了懂人情世故，它能把那些只可意會(huì)的情緒寫(xiě)進(jìn)字里行間，讓文字風(fēng)格看起來(lái)像個(gè)在社會(huì)上摸爬滾打過(guò)的活人。

除了寫(xiě)作，Ling-2.5-1T還聲稱(chēng)自己擅長(zhǎng)Agentic任務(wù)，多步Agent工具調(diào)用和自動(dòng)化任務(wù)處理都是它的強(qiáng)項(xiàng)。

為了驗(yàn)證它是否名副其實(shí)，我又請(qǐng)出了之前測(cè)試各種模型用的OpenClaw，并把Ling-2.5-1T接入了進(jìn)去。

這次我扮演的是個(gè)電商運(yùn)營(yíng)，我用Python生成了一份亂七八糟的JSON日志丟到桌面。

這個(gè)JSON日志一共將近3000行，里面存了50個(gè)訂單。包含15種規(guī)格完全不搭界的商品。

而且這些商品還有隱藏參數(shù)——電子產(chǎn)品有CPU參數(shù)，零食有口味克數(shù)，衣服有尺碼材質(zhì)……這些數(shù)據(jù)毫無(wú)規(guī)律地嵌套在深層字典里。

我直接下達(dá)了一段老板式的模糊指令：桌面的order文件夾里有個(gè)日志，格式太亂我沒(méi)法看，幫我整理成一張清晰的Excel明細(xì)表。

Ling-2.5-1T展現(xiàn)出了老練的Agent自主性，通過(guò)OpenClaw在本地目錄定位、讀取了目標(biāo)，然后在后臺(tái)自動(dòng)拆解任務(wù)邏輯、讀取數(shù)據(jù)并編寫(xiě)了Python程序來(lái)生成表格，中間遇到缺少的pip依賴(lài)還會(huì)自行安裝。

再來(lái)看交付成果，可以看到Ling-2.5-1T通過(guò)OpenClaw執(zhí)行了多步操作，把每個(gè)訂單商品拆分成了獨(dú)立行，同時(shí)自動(dòng)保留了訂單ID、會(huì)員等級(jí)等信息，數(shù)據(jù)關(guān)聯(lián)嚴(yán)絲合縫。

而且它掃描提取了所有屬性，變成了獨(dú)立的20多列，實(shí)現(xiàn)了稀疏化對(duì)齊。

的確如宣傳中所言，接入OpenClaw后的Ling-2.5-1T，是一個(gè)能落地干重活的桌面級(jí)Agent，它完成了從找文件、理邏輯到最后交表的全部過(guò)程，直接把我要的結(jié)果甩在了面前。

總之，Ling-2.5-1T在寫(xiě)作上能精準(zhǔn)還原人情世故，在Agentic任務(wù)上能通過(guò)OpenClaw高效交付成品，確實(shí)是一個(gè)既有腦子又有手腳的“活人”。

拼圖齊活，穩(wěn)坐第一梯隊(duì)

Ling-2.5-1T這種既具備Agentic實(shí)戰(zhàn)能力，又有優(yōu)異寫(xiě)作表現(xiàn)的模式，算是精準(zhǔn)踩中了當(dāng)下大模型的痛點(diǎn)。

就拿最近大模型圈里最火的一件事來(lái)說(shuō)，前不久GPT-4o正式走向了它生命的終點(diǎn)，很多人開(kāi)始懷念那個(gè)曾經(jīng)日夜陪伴自己的模型，并吐槽起了最新的GPT-5系列。

是因?yàn)镚PT-5系列模型不夠聰明嗎？

并不是，實(shí)際上GPT-5系列有非常強(qiáng)大的推理和編程能力，已經(jīng)應(yīng)用于實(shí)踐，甚至破解了眾多未被解決的科學(xué)問(wèn)題。

真正引發(fā)吐槽的，是因?yàn)镚PT-5系列缺少了4o那種細(xì)膩的“活人感”。

這也折射出了大模型進(jìn)化路線當(dāng)中的一個(gè)難題——大塊頭模型一旦只追求邏輯指標(biāo)，用起來(lái)就容易顯得冷冰冰。

但Ling-2.5-1T的做法就聰明多了，它在死磕硬核指標(biāo)的同時(shí)，硬是把那股子“人味兒”給保住了，讓模型不僅僅是個(gè)好用的工具，更是個(gè)懂分寸的伙伴。

隨著這次Ling-2.5-1T的正式入列，螞蟻旗下的模型也進(jìn)一步打出了一套趨于完整的智能組合拳。

Ring專(zhuān)攻邏輯，Ming擅長(zhǎng)多模態(tài)，Ling主打通用，螞蟻InclusionAI的開(kāi)源拼圖至此又得到進(jìn)一步完善。

這套組合拳不僅證明了螞蟻在大模型技術(shù)上已經(jīng)穩(wěn)穩(wěn)站住了全球第一梯隊(duì)，更關(guān)鍵的是，它驗(yàn)證了混合線性架構(gòu)在超大規(guī)模模型上的成熟度——原來(lái)萬(wàn)億模型也能跑得這么順。

對(duì)于廣大用戶(hù)和開(kāi)發(fā)者來(lái)說(shuō)，這意味著手里終于多了一套完整的、可控的技術(shù)底座，再也不用每天提心吊膽，擔(dān)心閉源API突然變動(dòng)或者漲價(jià)帶來(lái)的業(yè)務(wù)風(fēng)險(xiǎn)。

這種確定性，成為了Agentic Workflow的基礎(chǔ)，只有地基穩(wěn)了，上面的應(yīng)用和創(chuàng)作才能放心大膽地去跑，不用擔(dān)心隨時(shí)會(huì)塌。

在閉源模型越來(lái)越封閉的今天，這套“有血有肉”且實(shí)力抗打的開(kāi)源方案，無(wú)疑將成為大家最值得信賴(lài)的新選擇。

Hugging Face：
https://huggingface.co/inclusionAI/Ling-2.5-1T
ModelScope：
https://modelscope.cn/models/inclusionAI/Ling-2.5-1T