两周前还在围不雅 Ring-1T-preview 的数学题解法，昨夜蚂蚁已而甩出全球首个开源万亿想考模子 Ring-1T，这个让 GPT-5 都执了把汗的选手，不仅在 IMO 奥数题里解出银牌水平真钱老虎机娱乐网，连画骑自行车的鹈鹕都能精确甩出竞品三条街（DeepSeek 的鹈鹕于今支撑脚成区分）。当 Icepop 算法冻住万亿参数的考试倾圯，当 ASystem 让模子在沙箱里每秒练上万次，阿谁能种树的蚂蚁，此次的确在 AI 开源赛谈上，把 "想考" 卷出了新高度。

蚂蚁最近好卷啊，两周内先后开源了Ring-1T-preview、Ling-1T和Ring-1T，Ring-1T同期是全球首个开源的万亿想考模子，这名头够响亮，也够让我深夜开机来个全面测试。

在透露开测前，我认为需要理一下蚂蚁这一系列新模子，蚂蚁，便是咱们手机里阿谁能种树、能付钱的支付宝蚂蚁，

他们发布的大模子汉文名叫百灵，有三个系列，Ling代表话语模子，Ring代表想考模子，Ming则代表多模态模子。

跟preview版不同，郑再版Ring-1T完成了竣工的考试历程，包括不绝通过大范畴可考据奖励强化学习考试提高了推理才略，通过RLHF考试提高了模子通用才略。

来望望纸面实力吧，Ring-1T在数学竞赛（AIME 25、HMMT 25），代码生成（LiveCodeBench、CodeForce-Elo）,逻辑推理（ARC-AGI-v1）上达到了开源SOTA水平。

光速开测，用的是我的大模子恶梦级测试案例1.1版，跟DeepSeek V3.2（开深度想考）来个PK。公开整个领导语，每个领导语跑三次，取成果最佳的一次行动最终收尾。包括SVG、物理模拟、前端野心、可交互3D四大类

先来个SVG热热身，绘画一个骑自行车的鹈鹕的 SVG 图像

Ring-1T（左侧）差个脚踏，轮子、车架、鸟现实都有了，而 DeepSeek V3.2 画出来的鹈鹕照旧如斯踏实已毕了脚成区分，标的也反了，车把也没了。

为了让天下明晰看出死别，我又又又又把另外16个模子的跑出来的鹈鹕拿出来了，什么看到能忍不住不笑啊

再来望望常见的物理模拟，用 HTML、CSS 和 JavaScript 已毕这么一个成果：一个小球被困在一个旋转的六边形里面。小球受到地球重力的作用，并与六边形内壁产生摩擦。小球的弹跳需要看起来传神当然。

Ring-1T和DeepSeek V3.2都提供了多项参数选择，包含但不限于小球重置，增减六边形旋转速率，还不错取消能源，Ring-1T在这个基础上还增多了反弹和墙面摩擦力。

接着测测UI组件，复刻我天天见的界面，帮我作念一个 Microsoft Word 的克隆版块，但只需要前端部分。

前次测试了Excel，此次测测看word文档的复刻成果怎么样，除了加粗、斜体、下划线，Ring-1T还不错已毕字体大小息争，左中右对都。界面现实和功能切换上真能唬住我，这种case测起来就有种惊喜感，明明莫得期待它能完成除了前端外的别的功能，然则抽盲盒能抽出来。

Create animated cards in HTML, JS, and CSS with hover effects, transitions, and responsive design. Include 3-5 cards with different content.

这个属于是天气组件的变体，不作念任何章程，就让模子出卡，它们都选择了带放大殊效和按钮变色。我发现DeepSeek V3.2尽头可爱用暖色，Ring-1T反而可爱用冷颜色，有点想测测它们的16东谈主格了。

UI测罢了，来个可交互的3D界面，

好久没作念馋嘴蛇了，来望望面前能作念到什么进程了

Build a complex Snake game in JavaScript with power-ups, multiple levels, and score tracking UI.

面前仍是不错给馋嘴蛇加上速率、磁力、双倍积分和护盾了，DeepSeek V3.2把色块作念出来了，然则莫得起到作用。

回到模子自己，Ring-1T在Ling-1T-base基础上通过LongCoT-SFT + RLVR + RLHF多阶段考试出来的，Ling-1T用的是MoE结构，前4层是dense结构，背面76层才是MoE，一共256个众人，每次激活参数约51B，预考试数据20T Tokens，全程摄取FP8精度考试

除了径直对话，Ring-1T也仍是上线到蚂蚁的多Agent平台百宝箱里了，百宝箱我之前也作念过测评，几步就不错拉起一个我方的Agent团队，还不错在支付宝上kuku收钱。

终于有个粗浅的多Agent初学教程了，蚂蚁此次上大分

在考试过程中，蚂蚁还有两大神器。

一个叫Icepop，汉文叫棒冰的算法，它的作用便是当一根棒冰（字面真谛上），给模子的强化学习考试过程降温，通过修正了考试和推理阶段的精度各别，幸免了长周期考试中GRPO算法可能出现的崩溃问题。

在技能报告里面放出了两张图，

图左：GRPO训推各别跟着考试成指数上涨，Icepop较为平安；

图右：训推各别最大值，GRPO跟着考试上涨荒谬明显，Icepop保管在较低水位

我用大口语讲解一下：

左图看的是合座情况：IcePop合座很稳，GRPO合座上越来越不踏实。右图看的是极点情况：GRPO不仅合座不踏实，在最坏情况下的各别还在络续恶化。而IcePop在最坏情况下，各别也远小于GRPO，并保持在相对可控的鸿沟内。

另一个则是自研的高性能强化学习系统ASystem，它的任务唯有一个，处置万亿参数这种巨无霸模子的考试。

模子的个头太大，把它塞进显卡里，内存会爆掉。那就只把现时探究需要的那一小部分数据放进显卡。模子需要在一个安全的环境里束缚锻真金不怕火智力跨越。那就提供多个沉静的锻真金不怕火房（沙箱），模子想炼就练，况且每秒能赈济上万次锻真金不怕火。

可能许多东谈主不知谈蚂蚁还闷声搞了不少事，在模子层除了基础话语模子Ling-1T和此次的推理模子Ring-1T，立地还会更新多模态模子Ming，框架层也没放过，除了上头提到的Asystem，还有多智能体系统框架AWorld，利用层也还有，除了上头提到的多Agent百宝箱，还有AI健康管家AQ、AI搭理管家蚂小财、AI糊口管家该有的都有了，这么来看，蚂蚁开源模子更像是件顺遂的事。

撰写：卡尔

本文由东谈主东谈主都是居品司理作家【卡尔的AI沃茨】，微信公众号：【卡尔的AI沃茨】，原创/授权 发布于东谈主东谈主都是居品司理，未经许可，辞谢转载。

题图来自Unsplash真钱老虎机娱乐网，基于 CC0 公约。