蚂蚁集团发布万亿参数大模型 Ling-1T：国产开源 AI 的 “推理 + 生成” 双突破

2025 年 10 月 8 日，蚂蚁集团通过社交媒体平台 “X” 官方账号正式官宣 —— 首款旗舰级语言模型 Ling-1T 重磅亮相。这款参数规模达 1 万亿的大模型，不仅填补了国产开源领域万亿级参数模型的关键空白，更在推理效率、代码生成、数学求解等核心能力上实现突破，直接对标国际顶尖开源与闭源模型，为国产 AI 技术的规模化应用注入新动力。

万亿参数背后：“高效激活” 的技术巧思

不同于传统万亿级模型 “全参数运行” 的高耗模式，Ling-1T 采用了创新的架构设计：在 1 万亿总参数基础上，实现每 token 约 500 亿活跃参数的高效配置，搭配 1/32 的 MoE（混合专家系统）激活比例，既保留了大模型的认知广度，又大幅降低了推理过程中的算力消耗。这种 “轻量激活 + 海量储备” 的设计，让它在复杂任务中既能快速响应，又能保持高精度输出。

为了夯实模型能力底座，Ling-1T 的训练过程堪称 “精雕细琢”。它首先在 20 万亿 + 高质量 token 语料库中完成预训练，其中后期训练数据中推理密集型内容占比超 40%，为模型打下扎实的知识与逻辑基础；随后创新性地采用 “中训练 + 后训练” 的两阶段思维链优化：中训练阶段引入精选思维链语料，实现 “推理预激活”，让模型提前掌握逻辑分析的基本方法；后训练阶段则通过 “进化式思维链（Evo-CoT）” 持续提升推理深度，同时借助 “语言单元策略优化（LPO）” 算法，以句子为语义单位实现奖励与推理行为的精准对齐，进一步保障了训练稳定性与任务泛化能力。

能力实测：从 “解难题” 到 “做应用” 的全面领先

在实际能力测试中，Ling-1T 的表现堪称 “全能选手”，尤其在高难度任务中展现出超越同类模型的优势。

数学推理领域，它不仅能应对常规专业数学问题，更在竞赛级题目中崭露头角。在 2025 年 AIME（美国数学邀请赛） benchmark 中，它突破了 “推理准确率与推理长度” 的帕累托边界，实现 “高效思考 + 精准求解” 的双重目标；面对空间几何优化、复杂方程建模等难题，它不仅能快速给出正确答案，还能提供多种解题方案并验证可行性，展现出类人类的逻辑分析能力。在 UG Math Bench（大学数学基准测试）中，其得分达 74.95，超越 DeepSeek-V3.1-Terminus（72.70）、Kimi-K2-Instruct-0905（69.97）等开源竞品，甚至逼近闭源模型 Gemini 2.5 Pro（70.10）。

代码生成领域，Ling-1T 更是将 “功能性” 与 “美观性” 完美结合。它创新性地引入 “混合语法 - 功能 - 美学奖励机制”，生成的代码不仅逻辑正确、可直接运行，还能兼顾前端视觉设计的美感。在 Artifacts Bench（前端开发基准测试）中，它位列开源模型第一，甚至页面中的基准测试可视化图表，均由模型自行生成；在 LiveCodeBench（2024.08-2025.05）测试中，其得分高达 61.68，远超第二名 Kimi-K2-Instruct-0905（48.95），在实际应用中，它能独立完成诺贝尔奖官网这类复杂页面的内容生成与代码编写，结构清晰且信息完整度高。

除了专业领域，Ling-1T 在生活化场景中也表现出色。例如用户提出旅行规划需求时，它能结合目的地天气、景点分布、交通方式等多维度信息，制定出兼顾效率与体验的个性化行程，甚至能根据用户偏好调整住宿与美食推荐，展现出极强的场景适配能力。

国产 AI 竞争新变量：开源生态与实用导向的双重价值

随着大模型技术进入 “百模争鸣” 的新阶段，Ling-1T 的推出为国产 AI 竞争格局带来了关键变量。一方面，作为开源模型，它打破了万亿级参数模型 “闭源垄断” 的局面 —— 开发者可通过 Hugging Face（https://huggingface.co/inclusionAI/Ling-1T）或 ModelScope（国内镜像）直接下载使用，支持 32K 至 128K 的超长上下文长度，同时提供离线推理、API 调用等多种部署方式，大幅降低了大模型在企业级应用中的使用门槛。

另一方面，Ling-1T 的技术路径也为国产 AI 发展提供了新方向：它不追求 “参数规模的盲目堆砌”，而是通过架构创新、训练策略优化实现 “效率与性能的平衡”，这种 “实用导向” 的研发思路，更符合产业界对大模型 “低成本、高可用” 的需求。未来，随着模型在多轮交互、长期记忆、工具使用等方面的持续优化，它有望在金融分析、工业设计、教育辅助等领域落地更多场景，推动 AI 技术从 “实验室” 走向 “产业界”。

从技术突破到生态开放，Ling-1T 不仅是蚂蚁集团在 AI 领域的 “旗舰之作”，更代表着国产大模型向 “高效化、实用化、开源化” 迈进的重要一步。在全球 AI 竞争日益激烈的当下，这样的探索无疑将为国产 AI 的持续发展注入更强信心与动力。