IT之家 10 月 9 日消息，今日，蚂蚁集团发布万亿参数的通用语言模型 Ling-1T。Ling-1T 是蚂蚁百灵大模型 Ling 2.0 系列的第一款旗舰模型，也是蚂蚁百灵团队迄今为止推出的规模最大、能力最强的非思考大模型。
测评显示，在有限输出 Token 条件下，Ling-1T 于多项复杂推理基准中取得 SOTA 表现，展示出在高效思考与精确推理之间的卓越平衡。另外，在代码生成、软件开发、竞赛数学、专业数学、逻辑推理等多项高难度基准测试上，Ling-1T 均取得领先成绩，多项指标位居开源模型的榜首。
以竞赛数学榜单 AIME 25 （American Invitation Math Examination 25）为例，Ling-1T 以平均 4000+ Token 的消耗达到了 70.42% 的准确率，优于 Gemini-2.5-Pro（平均 5000+ Token，准确率 70.10%）。Ling-1T 用更少的 Token 实现了更高的准确率，展现出在推理精度和思考效率综合能力上的优势。
据蚂蚁百灵团队透露，Ling-1T 沿用 Ling 2.0 架构，在 20T+tokens 高质量、高推理浓度的语料上完成预训练，支持最高 128K 上下文窗口，通过“中训练 + 后训练”的演进式思维链（Evo-CoT）极大提升模型高效思考和精准推理能力。
蚂蚁百灵团队还透露，在万亿级旗舰模型的研发过程中，多次观察到：扩大模型规模与强化推理能力，往往会带来出乎意料的跨领域泛化表现。例如，在智能体工具调用任务 BFCL V3 上，Ling-1T 虽未在中训练阶段引入大量操作轨迹，仅通过少量指令微调，即可达到约 70% 的调用准确率，展现出卓越的推理迁移与泛化能力。Ling-1T 能精准理解复杂自然语言指令，自主完成综合性任务：将模糊的逻辑问题转化为功能完备的可视化组件，为多端环境生成高兼容性前端代码，或根据指定风格与语气创作营销文案、文学续篇及多语种文本。团队认为，这些能力构成了通用智能体的关键基础。
蚂蚁百灵团队称，尽管 Ling-1T 在高效推理、跨领域泛化与训练效率方面取得显著进展，但仍存在以下局限：
attention 架构仍基于 GQA
在超长上下文和复杂推理任务中表现稳定，但推理成本偏高。后续将引入混合注意力架构，以提升训练推理效率、降低算力开销。
智能体能力仍需强化
当前版本在多轮交互、长期记忆和复杂工具使用等方面仍有限，近期将持续提升工具理解与使用能力，增强模型的主动性与泛化能力。
指令遵循与身份认知问题
部分场景下仍可能出现指令执行偏差或角色混淆。后续将通过强化式身份对齐与安全微调改进模型一致性。
未来版本将继续在架构、推理与对齐层面迭代，推动 Ling 系列迈向更高水平的通用智能。
IT之家附开源仓库和体验页面：
HuggingFace：https://huggingface.co/inclusionAI/Ling-1T
ModelScope：https://modelscope.cn/models/inclusionAI/Ling-1T
GitHub：https://github.com/inclusionAI/Ling-V2
Ling chat（国内用户）：https://ling.tbox.cn/chat
ZenMux（海外开发者，提供 Chat 测试与 API 等能力）：https://zenmux.ai/inclusionai/ling-1t
广告声明：文内含有的对外跳转链接（包括不限于超链接、二维码、口令等形式），用于传递更多信息，节省甄选时间，结果仅供参考，IT之家所有文章均包含本声明。
