Ling-2.5-1T 是什么：蚂蚁百灵的万亿参数“即时”模型

它是什么

Ling-2.5-1T 是蚂蚁集团 inclusionAI 团队在 2026 年 2 月 11 日开源的万亿参数通用大模型，是百灵（Ling）家族最新的旗舰“即时模型”。它总参数 1T、激活参数 63B，上下文长度最高 1M token。预训练语料从上一代的 20T token 扩充到 29T token。

什么是“即时模型”

百灵家族把模型分成两类：思考模型（Ring 系列）会先写长长的思维链再回答，能力上限高，但输出 token 多、慢、贵；即时模型（Ling 系列）直接作答，追求效率和效果的平衡。官方的说法是，思考模型抬高了智能的天花板，即时模型则扩大了智能的覆盖面，让 AI 更普惠。Ling-2.5-1T 的目标，就是在不大量增加输出的前提下，把推理能力尽可能往思考模型靠。

怎么做到的

架构上，它采用高效的混合线性注意力，在 1M 上下文下依然有很高的吞吐。训练上，最关键的是一个复合奖励机制，同时考虑“答案是否正确”和“过程是否冗余”：答对还不够，绕了远路、说了废话也要扣分。官方说，在相近的 token 效率下，Ling-2.5-1T 的推理能力明显超过上一代，接近那些通常要消耗约 4 倍输出 token 的前沿思考模型。

对齐方面，官方提到用了双向强化学习反馈和基于智能体的指令约束校验等方法，提升偏好对齐和指令遵循能力。

适合谁

需要大量调用、对响应速度和成本敏感，又希望模型有一定推理能力的场景，比如客服、内容处理、批量分析，即时模型比思考模型更合适。想私有部署万亿级开源模型的企业可以评估它，但 1T 总参数对显存和机器数量的要求很高，激活 63B 也意味着推理成本不低。对推理深度要求更高的，可以看同家族的 Ring 思考模型。AI 主线的看法是：把“过程冗余”写进奖励函数，是对推理模型“话太多”这个通病的直接回应，这个思路值得其他厂商借鉴。