量子位
·
蚂蚁发布并开源万亿参数思考模型Ring-1T，综合能力逼近GPT-5
内容提要
蚂蚁集团发布了开源的万亿参数思考模型Ring-1T，具备接近GPT-5的能力，数学推理达到IMO银牌水平。该模型通过自研算法解决训练与推理精度差异，在医疗问答和人类偏好对齐测试中表现优异。Ring-1T是蚂蚁在万亿参数模型上的首次尝试，未来将继续优化。
关键要点
-
蚂蚁集团发布并开源万亿参数思考模型Ring-1T，综合能力逼近GPT-5。
-
Ring-1T在IMO数学能力测试中达到银牌水平，成为首个能拿IMO国际奥数奖的开源系统。
-
模型在医疗问答和人类偏好对齐测试中表现优异，成功率居于开源模型榜首。
-
Ring-1T采用自研的“棒冰（icepop）”算法解决训练与推理精度差异问题。
-
模型继续采用Ling 2.0架构，经过多阶段训练显著提升复杂推理能力。
-
Ring-1T是蚂蚁在万亿参数模型上的首次尝试，未来将继续优化模型性能。
-
用户可通过HuggingFace等平台下载并体验Ring-1T模型。
延伸解读
模型的开源意义
蚂蚁集团开源Ring-1T模型，标志着其在人工智能领域的进一步开放与合作。这不仅有助于推动学术研究和技术创新，也为开发者提供了丰富的实验基础，促进了开源社区的活跃。用户可以通过HuggingFace等平台直接体验，降低了技术门槛。
训练与推理精度的挑战
Ring-1T模型采用自研的“棒冰（icepop）”算法，有效解决了训练与推理阶段精度不一致的问题。这一创新在万亿参数模型中尤为重要，因为精度差异可能导致训练失败。未来，其他研究者可以借鉴这一方法，提升大规模模型的稳定性和可靠性。
数学推理能力的突破
Ring-1T在IMO数学能力测试中取得银牌，显示出其在复杂推理方面的强大能力。这一成就不仅提升了模型的学术地位，也为其在教育和科研领域的应用提供了可能性。随着模型的不断优化，未来可能在更多领域展现出更高的智能水平。
延伸问答
Ring-1T模型的主要特点是什么？
Ring-1T模型具备接近GPT-5的能力，数学推理达到IMO银牌水平，并在医疗问答和人类偏好对齐测试中表现优异。
Ring-1T是如何解决训练与推理精度差异的问题的？
Ring-1T采用自研的“棒冰（icepop）”算法，通过带掩码的双向截断技术冻结训练-推理分布差异，确保训练稳定。
用户如何获取Ring-1T模型？
用户可以通过HuggingFace、魔搭社区等平台下载Ring-1T模型，并通过蚂蚁百宝箱在线体验。
Ring-1T在IMO数学能力测试中的表现如何？
Ring-1T在IMO测试中仅用一次解出了多个题目，达到银牌水平，是首个能拿IMO国际奥数奖的开源系统。
Ring-1T模型的训练架构是什么？
Ring-1T继续采用Ling 2.0架构，结合高度稀疏的MoE架构和多阶段训练方法，提升复杂推理能力。
蚂蚁集团在万亿参数模型方面的进展如何？
蚂蚁集团已发布18款模型，形成从160亿到1万亿参数的大语言模型产品矩阵，Ring-1T是其首次尝试万亿参数思考模型。
