快科技10月14日音书，当天凌晨，蚂濒临团雅致推出万亿参数念念考模子Ring-1T，并全面开源模子权重、历练配方。

Ring-1T在9月30日开源的预览版Ring-1T-preview基础上，抓续彭胀大范围可考据奖励强化学习（RLVR）历练，进一步引发万亿基座的当然谈话推理材干，并通过 RLHF 历练完善模子通用材干，在各项任务榜单上进展愈加平衡。

为了抓续引发Ring-1T的数学等复杂推理材干，这次百灵团队挑战了难度更高的IMO2025（外洋数学奥利匹克）赛题，将Ring-1T接入多智能体框架AWorld，使用纯当然谈话推理进行解题。

现实成果自大，Ring-1T仅用一次解出了第1、3、4、5题，格外于IMO银牌水平，成为首个能拿IMO外洋奥数奖的开源系统。

值得一提的是，当作一款念念考模子，Ring-1T也进展出了极佳的通用材干，在“东说念主类偏好对皆”测试Arena-Hard V2中，Ring-1T以81.59的收遵循居于开源模子榜首，贴近GPT-5-Thinking(High)82.91的得益。

在面向严谨领域的医疗问答HealthBench测评中，Ring-1T也以最高分获取开源领域最好。

据了解，万亿参数念念考模子历练最浩劫题是训推精度互异，即历练阶段与推理阶段因收场细节互异导致的历练和推理精度不一致，进而导致历练崩溃。

在Ring-1T模子中，蚂蚁选拔了自研的“棒冰（icepop）”算法来应酬这项行业贫乏，即用带掩码的双向截断工夫把历练-推理散布互异冻结在低水位，确保长序列、长周期历练不崩。

此外，应酬万亿参数模子强化学习历练，蚂蚁还自研了高性能强化学习系统ASystem(其中包含已开源的高性能强化学习框架AReaL)，极度针对万亿参数模子的显存解决和训推权重交换问题作念了致密的优化，收场了单机显存碎屑秒级回收、权重零冗余交换，把大范围RL历练褂讪跑成平日。

据了解，本次发布的Ring-1T模子不息选拔Ling 2.0架构的1T base模子作念后历练，Ling 2.0选拔了包括高度稀少的MoE架构，1/32的巨匠激活比、FP8夹杂精度、MTP等诸多特色收场高效历练与推理。

在后历练阶段，蚂蚁百灵团队通过LongCoT-SFT + RLVR + RLHF多阶段历练，显贵耕种了模子的复杂推理材干以及提示扈从和创意写稿等通用材干。

据百灵团队深入，Ring-1T模子是其在万亿念念考模子上的初次尝试，蚂蚁百灵团队会在后续的版块中不息完善模子性能。

当今，用户可通过HuggingFace、魔搭社区下载模子，并通过蚂蚁百宝箱等平台在线体验。

【本文抑遏】如需转载请务必注明出处：快科技

连累剪辑：秋白开云体育(中国)官方网站

著作本色举报

]article_adlist--> 　　声明：新浪网独家稿件，未经授权辞谢转载。 -->