蚂蚁集团重磅发布万亿参数大模型Ling-1T，开源领域多项推理能力刷新全球纪录

10月9日，蚂蚁集团正式对外发布万亿参数规模的通用语言模型Ling-1T。作为蚂蚁百灵大模型Ling 2.0系列的开篇之作，这款模型不仅是该团队目前推出的参数规模最大、综合能力最强的非思考型基础模型，更在有限Token输出条件下创造了多项复杂推理任务的世界最佳成绩，展现出通用人工智能领域"高效思考"与"精准推理"兼备的突破性进展。

【免费下载链接】Ling-1T项目地址: https://ai.gitcode.com/hf_mirrors/inclusionAI/Ling-1T

据蚂蚁百灵技术团队披露，Ling-1T在预训练阶段即采用20万亿以上高质量、高推理浓度的多模态语料，依托Ling 2.0架构迭代优化，支持最长128K上下文窗口处理能力。特别值得关注的是，团队独创的"中训练+后训练"演进式思维链（Evo-CoT）技术，使模型在保持推理精度的同时，显著降低了Token消耗成本，这一技术突破为大模型的产业化应用扫清了关键障碍。

在国际权威测评体系中，Ling-1T展现出令人瞩目的竞技实力。在代码生成、软件开发、竞赛数学、专业数学、逻辑推理等五大高难度基准测试中，该模型均以显著优势位居开源模型榜首。其中在美国数学邀请赛（AIME 25）测评中，Ling-1T仅用平均4000余Token的计算资源就实现70.42%的准确率，超越了Gemini-2.5-Pro（5000+Token/70.10%准确率）的表现，成为当前推理效率与精度平衡的最优解。这种"用更少资源做更多事情"的特性，使其在云端部署和边缘计算场景中具备独特优势。

研发过程中，团队意外发现模型规模扩张与推理能力强化之间存在显著的跨领域迁移效应。在智能体工具调用基准BFCL V3测试中，Ling-1T未经过大规模操作轨迹训练，仅通过少量指令微调即达到70%的调用准确率，证实了通用推理能力向特定任务的高效迁移机制。这种"触类旁通"的学习能力，为构建通用人工智能体奠定了关键技术基础。

实际应用场景中，Ling-1T已展现出强大的任务转化能力：可将模糊的自然语言需求自动转化为功能完备的数据可视化组件，为iOS、Android、Web多端环境生成高度兼容的前端代码，还能根据品牌调性自动适配营销文案风格，完成文学创作续篇及多语种同步翻译。这些能力的组合，正在重新定义人机协作的边界，使AI从工具辅助者逐步进化为具备自主规划能力的协作伙伴。

尽管取得显著突破，蚂蚁百灵团队仍清醒认识到当前版本的局限性。在技术架构层面，基于GQA的注意力机制虽保障了超长上下文处理的稳定性，但推理成本偏高，团队计划在后续版本引入混合注意力架构，进一步提升训练推理效率并降低算力消耗。智能体能力方面，当前模型在多轮交互记忆、长期任务规划和复杂工具链调用等方面仍有提升空间，近期将重点强化工具理解与使用能力，增强模型的自主决策与环境适应能力。此外，针对部分场景下存在的指令执行偏差和角色认知混淆问题，团队将通过强化式身份对齐与安全微调技术持续优化模型行为一致性。

展望未来，蚂蚁百灵团队表示将持续推进架构创新、推理强化与价值对齐三大技术方向，通过"小步快跑"的迭代策略，不断提升Ling系列模型的通用智能水平。随着技术的成熟，这些突破有望在金融科技、工业互联网、智慧城市等关键领域催生新业态，推动AI技术从专用智能向通用智能加速演进，最终实现"让智能服务触手可及"的技术愿景。目前，开发者可通过官方渠道获取模型相关资源，仓库地址为https://gitcode.com/hf_mirrors/inclusionAI/Ling-1T。

在大模型技术群雄逐鹿的当下，Ling-1T的发布不仅标志着中国团队在通用人工智能领域的重要突破，更通过开源策略推动全球AI技术领域的协同发展。这种开放共享的态度，或将加速大模型技术标准化进程，为行业带来更高效、更安全、更具伦理意识的人工智能解决方案。随着技术迭代的深入，我们有理由期待Ling系列模型在下一代智能计算体系中扮演更加关键的角色。

【免费下载链接】Ling-1T项目地址: https://ai.gitcode.com/hf_mirrors/inclusionAI/Ling-1T