2025 年 10 月 24 日，阿里巴巴旗下蚂蚁集团正式公布万亿参数开源推理模型 Ring-1T 的技术细节。这款被称为 “全球首个万亿参数开源推理模型” 的产品，不仅以参数规模刷新开源模型纪录，更通过三项核心技术创新，攻克了超大规模模型在强化学习（RL）训练中的稳定性、效率与系统协同难题，其性能在数学推理、代码生成、科学问题求解等核心场景中逼近 OpenAI GPT-5 与谷歌 Gemini 2.5，进一步加剧了中美在 AI 基础模型领域的竞争态势。
Ring-1T 的核心定位是 “专注复杂推理的开源模型”，其架构基于蚂蚁此前发布的 Ling 2.0 构建，并以 Ling-1T-base 模型为训练基础，支持最高 128,000 tokens 的超长上下文处理 —— 这一长度足以覆盖长文档理解、跨章节逻辑分析、多轮复杂对话等实际场景，且无需依赖外部工具拼接，大幅降低企业部署难度。从参数特性来看，该模型虽总参数达万亿级，但每 token 仅激活约 500 亿参数（采用混合专家 MoE 架构），在保证推理能力的同时，兼顾了算力经济性，可在消费级 GPU 集群中实现高效运行。
在性能表现上，Ring-1T 在多项权威基准测试中展现出开源模型的顶尖水平。数学推理领域，其在 AIME 25 竞赛基准中获得 93.4% 的得分，仅次于 GPT-5，成为首个能达到国际数学竞赛（如 IMO 2025）银牌水平的开源系统 —— 仅通过纯自然语言推理，即可一次性解出 IMO 4 道难题，对几何证明题的解答接近满分，即便在多数顶级模型折戟的第六题中，也能收敛到与 Gemini 2.5 Pro 一致的结果。代码生成场景中，Ring-1T 的表现超越 DeepSeek、Qwen 等主流开源模型，其精心构建的训练数据集为后续智能体（Agent）应用奠定了坚实基础。此外，在 “人类偏好对齐” 测试 Arena-Hard V2 中，该模型以 81.59% 的成功率位居开源模型榜首，逼近 GPT-5-Thinking（82.91%）；医疗问答基准 HealthBench 中，也以最高分成为开源领域最佳，证明其在专业领域的可靠性。
超大规模模型训练的核心挑战在于 “强化学习的规模化瓶颈”—— 万亿参数模型的 RL 训练往往面临梯度噪声干扰、GPU 资源闲置、分布式系统异步协同难三大问题。为此，蚂蚁工程师研发了 IcePop、C3PO++、ASystem 三项 “互联创新技术”，形成从算法到系统的完整解决方案。
IcePop：解决训练 – 推理精度失配
MoE 架构的动态路由机制，易导致训练阶段与推理阶段的概率计算出现偏差，且在长思维链（CoT）推理中，这种偏差会随迭代累积放大，最终引发训练崩溃。IcePop 通过 “双面屏蔽校准” 技术，直接过滤掉会导致不稳定的噪声梯度更新，同时避免传统梯度裁剪方法对推理速度的拖累。实验数据显示，相比传统 GRPO 算法，IcePop 能将训推精度差异稳定在低水位，即便经过长时间训练也不会出现指数级上升，为长序列 RL 训练提供了稳定性保障。
C3PO++：提升训练资源利用率
针对超大模型训练中 “生成样本与模型更新不同步导致 GPU 闲置” 的痛点，C3PO++ 在蚂蚁原有 C3PO 系统基础上升级，采用 “双池并行 + 令牌预算控制” 机制：将训练样本生成（Rollouts）拆分为推理池与训练池 —— 推理池专注于生成新数据，训练池负责收集结果并更新模型，两者通过动态分片实现并行处理；同时引入 “token 预算” 概念，严格控制数据生成量，避免无节制数据膨胀导致的资源浪费。这一设计使长任务训练效率提升 2.5 倍，彻底改变了传统训练中 “生成等更新” 或 “更新等生成” 的低效局面。
ASystem：突破分布式系统瓶颈
为适配万亿参数模型的异步训练需求，ASystem 采用 “SingleController+SPMD” 架构：单一控制器统一调度全局任务，各计算节点按 “单程序多数据” 模式并行处理，既避免了节点间无谓等待，又确保整体逻辑一致性。其核心优化包括 “单机显存碎片秒级回收”“权重零冗余交换”—— 通过自研的 AState 接口，实现模型权重在节点间的高速同步，将原本分钟级的权重交换时间压缩至 10 秒内，同时支持训练 – 推理流程的一体化管控，让大规模 RL 训练从 “偶尔成功的实验” 变为 “稳定可控的日常流程”。
从行业影响来看，Ring-1T 的发布进一步凸显了中国 AI 企业在 “开源大模型” 赛道的战略布局。不同于美国头部企业偏向闭源的路线，蚂蚁、阿里云、DeepSeek 等中国厂商通过开源释放技术红利：一方面，模型权重、训练配方的完全开放（可在 HuggingFace、魔搭社区获取），让科研团队、中小企业能以极低成本开展创新，加速推理模型的场景化落地；另一方面，其披露的 RL 训练技术方案，为行业提供了 “万亿级模型工程化” 的可复现模板，推动超大规模 AI 从 “堆硬件” 向 “重设计” 转型。
当前，Ring-1T 已成为中美 AI 竞争的新焦点 —— 它与阿里云 Qwen3-Omni（多模态模型）、DeepSeek-OCR（文本图像压缩模型）共同构成中国开源模型的 “三驾马车”，与美国闭源模型形成差异化竞争。未来，随着蚂蚁团队对模型推理精度、场景适配性的持续优化，以及开源社区的二次开发，这款万亿参数模型有望在金融风控、科学研究、企业级智能助手等领域释放更大价值，同时推动全球 AI 发展向 “多元路线并存” 的方向演进。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ma-yi-ji-tuan-ring1t-mo-xing-shen-du-jie-xi-po-jie-wan-yi
