Ring-2.5-1T 是什么：蚂蚁百灵的万亿参数思考模型

它是什么

Ring-2.5-1T 是蚂蚁集团 inclusionAI 团队在 2026 年 2 月 11 日开源的万亿参数思考模型，和同日发布的即时模型 Ling-2.5-1T 是一对：Ling 直接作答、追求效率，Ring 先深度思考再回答、追求推理上限。官方称它是第一个基于混合线性注意力的开源万亿参数思考模型。模型提供 BF16 和 FP8 两种精度，可以用 SGLang 部署。

架构：线性注意力撑起长思考

思考模型的特点是输出很长，一道难题可能要写几万 token 的推理过程，而标准注意力的计算量随长度平方增长，越想越慢、越贵。Ring-2.5-1T 采用 1:7 的混合比例：每 1 层 MLA（多头潜在注意力）搭配 7 层 Lightning 线性注意力。线性注意力的计算量只随长度线性增长，大部分层用它来省算力，少量 MLA 层保证关键的长距离信息不丢。官方说这套高效架构提升了推理速度和探索能力，团队把混合线性注意力同时扩展到了预训练和强化学习两个阶段。

成绩怎么样

最亮眼的成绩是数学竞赛：官方说 Ring-2.5-1T 在 IMO 2025（国际数学奥林匹克）和 CMO 2025（中国数学奥林匹克）上都达到了金牌水平，并公开了模型的详细解题过程供查验。扩大规模的强化学习训练还增强了它的深度思考和长时程任务执行能力，官方把这看作迈向通用智能体的重要一步。

怎么部署

官方说后续会把模型提交到 SGLang 的正式版本，在此之前需要用蚂蚁维护的 SGLang 分支部署。万亿参数意味着部署需要多机多卡，FP8 版本能节省一部分显存。对多数团队来说，通过云平台的 API 调用会比自己部署更现实。

适合谁

需要强数学推理、复杂逻辑分析的场景，比如科研辅助、竞赛题求解、复杂方案推演，可以考虑它；研究线性注意力和大规模强化学习的团队，它是一个难得的万亿级开源样本。对响应速度敏感的日常任务，同家族的 Ling-2.5-1T 更合适。AI 主线的看法是：用线性注意力降低“长思考”的成本，是思考模型走向大规模应用的关键一步，Ring-2.5-1T 在万亿规模上验证了这条路可行。