蚂蚁百灵大模型团队正式推出万亿级思考模型 ring-1t，发布即全面开源。开发者可通过 hugging face、魔搭社区（modelscope）下载模型权重，也可通过 ling chat 页面或 zenmux 平台直接体验对话功能并调用 api。
Hugging Face：https://www.php.cn/link/4ecca9950b8e48cca47014655c2c4789 ModelScope：https://www.php.cn/link/886551d6661c7e64f03ecdc16f7eae8b Ling Chat（国内用户）：https://www.php.cn/link/c96742836bff214c3bb498c11c10ea4d ZenMux（海外开发者，支持Chat/API）：https://www.php.cn/link/14c15aaec95f9b40f00007e6336d3e08
Ring-1T 基于 Ling 2.0 架构打造，拥有总计 1 万亿参数，激活参数为 500 亿，并支持长达 128K 的上下文窗口。模型权重已同步上线 Hugging Face 与 ModelScope 平台，并提供 FP8 精度版本以提升推理效率。
此次发布的正式版在上月底推出的 preview 版本基础上，进一步扩展了大规模可验证奖励强化学习（RLVR）的训练规模，充分释放万亿参数基座模型在自然语言推理方面的潜力。同时，通过 RLHF 技术优化模型的通用能力，使 Ring-1T 在各类任务中的表现更加均衡和稳定。
Ring-1T 沿用 Ling 2.0 架构，在具备 1 万亿总参数、500 亿激活参数的 Ling-1T-base 基础模型之上进行训练，最大支持 128K 上下文长度。依托自研的强化学习稳定训练方法 icepop（“棒冰”），以及高效强化学习系统 ASystem（其核心框架 AReaL 已开源），团队成功实现了 MoE 架构下从百亿参数（Ring-mini-2.0）、千亿参数（Ring-flash-2.0）到万亿参数（Ring-1T）的平稳扩展，显著增强了模型的深度推理与复杂语言理解能力。
相关阅读：蚂蚁百灵大模型团队发布 Ling-1T：万亿参数“非思考”模型、基于 MoE 架构
