蚂蚁发布两款万亿参数模型 AI布局加速推进

国庆假期，各行各业都按下了暂停键，但大模型的竞技场却比平日更加热闹。短短半个月，国内外头部团队密集发布了十余款重磅产品，技术路线却各不相同。

九月下旬，阿里推出以Qwen3-Max为代表的“全家桶”，展示了综合实力；月末，DeepSeek和Anthropic则聚焦于硬核编程场景，先后发布DeepSeek V3.2-Exp和Claude Sonnet 4.5。智谱也紧随其后，推出GLM-4.6，目标直指国内最强代码模型。

有人追求全面布局，有人专攻单点突破。当大模型竞争进入深水区，各家公司的战略分野愈发清晰。

就在10月9日凌晨，蚂蚁百灵大模型团队进行了一次“奇袭”，官宣了最新语言大模型Ling-1T，其参数量高达1000B（1万亿）。而就在十天前，他们才刚刚开源了自研的思考模型Ring-1T-preview。

十天之内，连续发布并开源两款万亿参数模型，如此密集的动作，让蚂蚁百灵瞬间成为行业焦点。这种近乎“毫无保留”的开源姿态，也引发了一个核心疑问：蚂蚁的棋局，究竟意在何方？

探索智能上限是终极目标

蚂蚁集团自主研发的基础大模型系列命名为“百灵”，取意“百试百灵”，也承载着科技普惠的愿景。与阿里系独立研发的路径类似，蚂蚁的百灵团队也走着自己的路。此次发布的Ling-1T和此前开源的Ring-1T-preview，分别代表了其技术探索的两大分支：非思考模型与思考模型。

过去半年，百灵模型的迭代速度肉眼可见。团队自上而下梳理出三条清晰的技术路线：基于MoE架构的非思考模型Ling-Series、专注于深度推理的思考模型Ring-Series，以及面向未来的原生全模态大模型Ming-Series。如今，前两条路线上，蚂蚁都已将参数规模推至万亿级别。

万亿参数，这个数字约等于人类大脑的神经元数量，象征着让AI拥有人脑级处理能力的野心。但训练一个万亿参数模型，其难度堪称登天。放眼国内，能跻身“万亿俱乐部”的选手，屈指可数。

除了蚂蚁的Ling-1T和Ring-1T-preview，目前公开资料可查的，也只有Kimi的K2、阿里通义千问的Qwen3-Max、腾讯混元大模型等少数几位。这个俱乐部的门槛，高得令人咋舌。

尽管今年以来，“数据撞墙论”和“预训练终结”的观点时有耳闻，但产业界和学术界正形成一个新的共识：更大的参数、更高质量的数据，依然能带来持续的性能提升。阿里的算法负责人林俊旸就公开表示，Scaling Law（缩放定律）远未见顶。杨植麟带领的Kimi团队，更是克服重重困难，在两个月前拿出了万亿参数的旗舰模型K2。通义千问团队则直接抛出“大就是好”的论断，让Qwen3沿着“Just Scale it”的路径坚定前行。

由此可见，探索智能的极限，仍然是头部玩家们共同锚定的终极目标。

百灵大模型加速涌现

过去一年，国内大模型领域堪称“七天一新款”，从不缺乏新面孔。但模型多了，另一个问题浮现出来：在庞大的参数规模与高效的推理性能之间，能取得完美平衡的模型，其实凤毛麟角。

对于万亿参数模型而言，规模上去了，推理速度往往成为瓶颈；而如果追求极致的响应速度，准确率又难以保障。业界公认的旗舰大参数模型，无一不是在推理能力与思考效率的“钢丝”上找到了那个精妙的平衡点，即所谓的帕累托最优。这个平衡点，通常通过多维基准测试的分数来量化衡量。

这次蚂蚁发布的Ling-1T，在公开的权威评测榜单中，表现就有些出人意料。下图展示了Ling-1T在部分核心基准测试中的成绩，红色加粗代表其得分位列第一，黑色加粗下划线则代表第二：

在业界尤为关注的编程与数学推理两大维度上，Ling-1T表现极为亮眼，多项得分甚至超越了以代码能力见长的DeepSeek。在知识理解方面，它的得分也略高于Kimi、GPT-5主干模型等强劲对手。这意味着，Ling-1T在深度思考、泛化能力以及逻辑推理上，展现出了相当全面的实力。因此，它在代码生成、软件开发、竞赛数学、专业逻辑推理等场景中，会显得尤为得心应手。

不过，对于万亿模型，综合性能之外，还有一个关键指标：推理的正确率。这就不得不提竞赛数学领域的试金石——AIME 25榜单。Ling-1T在该测试中的成绩如下：

与DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905（开源版）以及GPT-5-main、Gemini-2.5-Pro（闭源版）这些顶级模型同台竞技，Ling-1T展示了更短的思考路径和更高的推理准确率。它具备处理128K长文本的能力，而每个token激活的参数量却控制在约500亿，这在效率上是一个显著优势。

这份成绩单背后，是蚂蚁百灵团队长期的技术积累与创新。模型依托团队储备的二十万亿Token高质量文本语料进行训练，“吃”进了海量优质知识。在预训练阶段，团队创新地让模型依据“Ling Scaling Laws”自我设置关键超参数，实现了大模型的自我优化。在强化训练阶段，则引入了团队原创的LPO策略优化算法，让模型的回答更精准。此外，团队还提出了“语法-功能-美学”的混合奖励机制，提升了模型的输出“审美”。下图是工程师绘制的Ling-1T模型架构示意图：

事实上，蚂蚁已经构建起一个完整的百灵大模型家族。从参数规模看，涵盖了从160亿到1万亿的总参数产品矩阵；从模态能力看，包含了能看、能听、能说、能画，理解与生成统一的多模态模型；从应用场景看，则形成了可在手机端运行的Ling-mini、适合中小企业服务器部署的Ling-flash，以及云端调用的Ling-1T等系列。

这个家族在过去一段时间里，无论是社区评测榜单还是实际应用反馈，都获得了不少积极回应。百灵团队开发的全模态模型Ming-lite-omni v1.5，曾在Hugging Face的“any to any”模型趋势榜上登顶。Ring-1T-preview发布次日，便冲上Hugging Face文本生成总榜第三，而排名第四的同样是百灵家族9月发布的混合架构思考模型Ring-flash-linear-2.0。

更值得一提的是业界的真实声音。图灵奖得主杨立昆（Yann LeCun）甚至点赞并评论“Impressive”（了不起），了解这位对LLM时常持批评态度的大佬的网友都表示，这声夸奖“来之不易”。一位苹果工程师在量化并本地运行模型后评价，其性能“Getting closer to GPT-5 at home”（在本地部署上已接近GPT-5）。这些来自一线技术开发者的反馈，无疑是对百灵模型实力的有力背书。

探索AGI，亟需参与者们的共建意识

百灵团队能如此迅速地跻身“万亿俱乐部”，与蚂蚁集团的整体战略投入密不可分。作为一家成立二十年的科技公司，蚂蚁在AI领域的布局决心和资源投入一直不容小觑。

去年蚂蚁二十周年时，董事长井贤栋明确宣布，未来二十年，蚂蚁要成为一家科技与创新双轮驱动的公司。集团随后提出的“AI First”战略，与“支付宝双飞轮”、“加速全球化”并列，成为驱动蚂蚁前进的三大核心战略。Ling-1T和Ring-1T-preview的接连亮相，正是“AI First”战略持续加速落地的鲜明注脚。

然而，蚂蚁选择的不是闭门造车的闭源道路，而是技术共享的开源路线。这足以表明，其目光投向的是更远的未来：通过技术开放，持续迭代，构建一个真正繁荣、开放的AGI（通用人工智能）生态。

据行业观察，目前“万亿参数俱乐部”中，能做到完全开源的，仅有蚂蚁百灵的Ling-1T、Ring-1T-preview和Kimi的K2。在2025年大模型参数“军备竞赛”白热化的背景下，投入巨资研发后却选择开源，初看确实令人费解。

但若理解开源背后的深层逻辑，便会豁然开朗。当Ling-1T这样的万亿参数“巨兽”公开其训练数据、算法和模型细节，全球开发者便能直接以此为基础，快速构建复杂应用，而无需从零开始攻克底层训练的难题。一个“使用-反馈-迭代”的正向循环由此建立，这将极大推动技术的共同演进，加速智能的“涌现”。这条“技术平权化”的道路，其实已有先行者。今年年初DeepSeek的横空出世，就已经为国内大模型玩家们示范了开源所能激发的巨大能量。

今年接任蚂蚁集团CEO的韩歆毅，曾在内部技术日上清晰地阐述了蚂蚁的AI主张：“年初我们讨论（蚂蚁）聚焦AI应用，还要不要做基础大模型时，答案非常坚决：一定要做。因为如果基于AI做服务和应用，就像训练一个人去做所有的事。追求智能的上限，会让这个人更加聪明，从而能够做更多、更好的服务。我们坚定地要去探索AGI，探索智能的极限。”

为此，蚂蚁专门成立了InclusionAI开源组织，并建设了涵盖强化学习推理框架AReaL、多智能体框架AWorld等在内的大模型全栈技术体系。这些技术成果也已通过开源、开放合作的形式与行业共享，旨在让更多的创作者能够交流、共创。

看得出来，相比于自己登台唱独角戏，蚂蚁更倾向于搭好一个宽阔的戏台，铺设好AI的基础设施。因为只有生态繁荣了，才能吸引更多的参与者共同建设，那条通往AGI的道路，也才能真正走得通、走得远。