蚂蚁开源万亿参数思考模型Ring-2.5-1T：长文本吞吐提升3倍，IMO竞赛达金牌水平

💡 站外导读：随着大模型参数规模突破万亿，如何在长序列场景下实现高效推理成为行业核心挑战。蚂蚁集团inclusionAI团队开源的Ring-2.5-1T模型，通过创新的混合线性注意力架构，在32K以上长文本生成中将访存开销降至十分之一，吞吐提升三倍。该模型不仅在IMO 2025和CMO 2025数学竞赛中达到金牌水平，更原生适配Claude Code等智能体框架，支持数小时多步规划与复杂软件工程任务自主执行，为深度推理与长程任务场景提供了全新解决方案。

Ring-2.5-1T是什么

Ring-2.5-1T是蚂蚁集团inclusionAI团队开源的万亿参数混合线性思考模型，采用Ling 2.5架构，以1:7比例融合MLA与Lightning Linear注意力机制。模型在32K以上长文本生成时访存降低10倍、吞吐提升3倍，在IMO 2025和CMO 2025数学竞赛中达到金牌水平，原生适配Claude Code等智能体框架，支持多步规划与工具调用，适用于深度推理与长程任务执行场景。

Ring-2.5-1T的主要功能

• 长文本高效生成：在32K以上序列长度场景中，通过混合线性注意力架构将访存开销降至传统模型的十分之一，同时实现三倍以上的生成吞吐提升。
• 数学深度推理：基于密集奖励强化学习训练，在国际数学奥林匹克竞赛IMO 2025和中国数学奥林匹克CMO 2025中分别达到35分和105分，双双超过金牌分数线。
• 智能体任务执行：原生适配Claude Code与OpenClaw等智能体框架，支持连续数小时的多步规划、工具调用与复杂软件工程任务自主完成。

Ring-2.5-1T的技术原理

• 混合线性注意力架构：Ring-2.5-1T将传统GQA层按1:7比例改造为MLA与Lightning Linear的组合结构，Lightning Linear层以线性复杂度处理长序列生成，MLA层进一步压缩KV缓存并增强表达能力。
• 密集奖励强化学习：模型采用基于可验证奖励的强化学习框架进行训练，引入密集奖励机制对推理过程的严谨性进行反馈，使模型在深度思考模式下能够生成逻辑严密、步骤完整的数学证明。
• 异步智能体强化学习：针对长程智能体任务，Ring-2.5-1T通过大规模完全异步强化学习训练提升自主决策能力，使其能在复杂环境中持续执行多步骤操作不中断。

Ring-2.5-1T的项目地址

• GitHub仓库：https://github.com/inclusionAI/Ring-V2.5
• HuggingFace模型库：https://huggingface.co/inclusionAI/Ring-2.5-1T

Ring-2.5-1T的应用场景

• 长文档处理与生成：适用学术论文撰写、技术文档生成、长篇小说创作等需要处理数万字上下文的专业写作场景，大幅降低长文本生成的计算成本与响应延迟。
• 数学研究与教育辅助：作为数学竞赛培训的智能教练，提供IMO/CMO级别的解题思路与完整证明过程，或辅助科研人员探索复杂数学猜想的形式化验证。
• 自主软件工程：模型能独立完成操作系统开发、大型代码库重构、多文件协同编程等长程编程任务，在Claude Code等智能体框架中实现端到端的软件交付。
• 复杂任务规划与执行：适用需要跨工具协作的深度研究、数据分析工作流构建、多步骤商业决策支持等智能体应用场景，支持持续数小时的自主任务执行。