Ant Group amplía los modelos de IA abierta con Ling-2.5-1T y Ring-2.5-1T

¡Descubre las principales noticias y eventos de fintech!

Suscríbete al boletín de FinTech Weekly

Leído por ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

El desarrollo de inteligencia artificial dentro de grandes firmas de tecnología financiera está entrando en una nueva etapa. Ant Group ha lanzado dos modelos de IA de dos billones de parámetros bajo licencias abiertas, ampliando su familia de modelos Ling y señalando una inversión continuada en sistemas avanzados de razonamiento vinculados con servicios financieros y digitales.

La empresa de fintech con sede en Hangzhou anunció Ling-2.5-1T, un modelo de lenguaje grande diseñado para un razonamiento eficiente y la interacción de agentes, junto con Ring-2.5-1T, descrito como el primer modelo de pensamiento con arquitectura lineal híbrida. Ambos sistemas se basan en la serie Ling 2.0 presentada en octubre de 2025 y están disponibles en Hugging Face y ModelScope, dos plataformas ampliamente utilizadas para la distribución de IA abierta.

Los lanzamientos forman parte de una actualización más amplia en la cartera de IA abierta de Ant Group, que también incluye la serie multimodal Ming. A principios de este mes, la empresa presentó Ming-Flash-Omni-2.0, un modelo unificado que maneja voz, audio y música en una sola arquitectura.

Modelos de billones de parámetros enfocados en el razonamiento eficiente

Ling-2.5-1T representa el último buque insignia dentro de la serie Ling de modelos generales de lenguaje de Ant Group. Los materiales de la empresa describen mejoras en la eficiencia del razonamiento y la alineación con preferencias, además de compatibilidad con interacción nativa de agentes. El modelo acepta longitudes de contexto de hasta un millón de tokens, lo que permite análisis de formato largo y tareas de diálogo extendido.

Las ganancias de eficiencia parecen ser el eje de la actualización. Ant Group informó que Ling-2.5-1T iguala el rendimiento de modelos de razonamiento de frontera en el benchmark AIME 2026 mientras usa sustancialmente menos tokens. Los sistemas comparables normalmente requieren entre 15,000 y 23,000 tokens para resultados similares. Ling-2.5-1T utiliza aproximadamente 5,890 tokens, según la empresa.

El menor uso de tokens afecta el costo de cómputo y la velocidad de respuesta. En despliegues empresariales, tales mejoras pueden reducir los gastos de inferencia y permitir aplicaciones a mayor escala. Las firmas de tecnología financiera suelen procesar tareas de lenguaje de alto volumen como análisis de cumplimiento, interacción con clientes y revisión de documentos. Por lo tanto, la eficiencia tiene relevancia operativa.

Ring-2.5-1T apunta al razonamiento matemático avanzado

Ring-2.5-1T pertenece a la serie Ring, optimizada para razonamiento, de Ant Group. El modelo usa lo que la empresa denomina una arquitectura lineal híbrida, destinada a mejorar la resolución estructurada de problemas. Ant Group informó puntuaciones altas en benchmarks académicos de matemáticas, incluidos resultados que cumplen estándares de medalla de oro en competiciones internacionales.

En el benchmark de la Olimpiada Internacional de Matemáticas 2025, Ring-2.5-1T logró 35 de 42. En el benchmark de la Olimpiada de Matemáticas de China 2025, alcanzó 105 de 126, por encima del corte del equipo nacional. Estas pruebas evalúan el razonamiento de múltiples pasos y la manipulación simbólica en lugar de la fluidez general del lenguaje.

Un desempeño sólido en este ámbito sugiere avances en sistemas especializados de razonamiento. Los benchmarks matemáticos se han convertido en un punto de referencia para evaluar la capacidad de razonamiento en modelos grandes. Las mejoras pueden traducirse en aplicaciones que requieren análisis estructurado, como modelado financiero, evaluación de riesgos o computación científica.

Expansión de la familia de modelos Ling

La familia Ling, también conocida como BaiLing, ahora consta de tres líneas principales: modelos generales de lenguaje Ling, modelos de razonamiento Ring y sistemas multimodales Ming. Los lanzamientos de febrero actualizan cada línea en un período corto. Ant Group describió los lanzamientos como una mejora integral en toda la familia de modelos abiertos.

La distribución abierta sigue siendo un elemento notable de la estrategia. Al lanzar modelos bajo licencias abiertas, Ant Group permite a investigadores y desarrolladores acceder y adaptarlos. La IA de código abierto se ha convertido en un campo competitivo entre las principales firmas tecnológicas y grupos de investigación. La disponibilidad en Hugging Face y ModelScope sitúa los modelos dentro de comunidades globales de desarrollo.

Para empresas de fintech, los modelos abiertos pueden acelerar la adopción del ecosistema. Los desarrolladores externos pueden construir aplicaciones adaptadas a tareas del sector, ampliando casos de uso prácticos sin desarrollo directo por parte del proveedor. Ant Group ha perseguido enfoques similares en plataformas de pagos y finanzas digitales, fomentando la integración de terceros.

Desarrollo multimodal con Ming-Flash-Omni-2.0

Los lanzamientos de Ling y Ring siguen a la introducción de Ming-Flash-Omni-2.0 el 11 de febrero. Ant Group describió que ese modelo fue el primero en unificar voz, audio y música dentro de una sola arquitectura. Los sistemas multimodales integran múltiples tipos de datos, habilitando interacciones entre voz, sonido y texto.

Esa capacidad tiene relevancia para las interfaces de servicios financieros. Los asistentes de voz, la autenticación por audio y las herramientas de banca conversacional dependen del procesamiento multimodal. Integrar modalidades en un solo modelo puede simplificar el despliegue y la coordinación entre canales. Ant Group no divulgó comparaciones de benchmarks para Ming-Flash-Omni-2.0, pero lo posicionó como un modelo omni a gran escala.

El calendario de lanzamientos en tres líneas de modelos sugiere un desarrollo coordinado en lugar de actualizaciones aisladas. Ling, Ring y Ming, en conjunto, cubren interacción de lenguaje, razonamiento y multimodal. Esa combinación se alinea con despliegues de IA empresarial que requieren múltiples funciones cognitivas.

Desarrollo de IA dentro de firmas de tecnología financiera

Las grandes firmas de fintech construyen cada vez más infraestructura propietaria de IA. Las plataformas de pagos, los bancos digitales y los mercados financieros generan flujos masivos de datos y operan sistemas de riesgo complejos. Los modelos internos de IA pueden procesar datos de transacciones, comunicaciones con clientes y registros de cumplimiento a escala.

Ant Group ha invertido en investigación de IA durante varios años, aplicando aprendizaje automático en la detección de fraudes, la evaluación crediticia y la automatización de servicios. La familia Ling extiende esa capacidad hacia modelos generales de lenguaje y modelos centrados en el razonamiento. Los lanzamientos abiertos amplían el alcance más allá del uso interno.

El enfoque refleja una tendencia más amplia en las empresas de finanzas impulsadas por la tecnología. El desarrollo de IA ya no se centra solo en modelos especializados de predicción. Ahora incluye sistemas grandes de lenguaje y de razonamiento capaces de tareas generales. Estos modelos pueden respaldar agentes automatizados, análisis de decisiones e interfaces conversacionales.

Hacia la investigación de Inteligencia General Artificial

Ant Group enmarcó las actualizaciones de la familia Ling como avances hacia la inteligencia general artificial. AGI se refiere a sistemas capaces de realizar una amplia gama de tareas cognitivas con adaptabilidad similar al razonamiento humano. Las definiciones en la industria varían, y AGI sigue siendo un objetivo aspiracional más que un hito definido.

Lanzar modelos de billones de parámetros contribuye a escalar la investigación. El conteo de parámetros por sí solo no determina la capacidad, pero los modelos grandes a menudo habilitan un aprendizaje de representación más amplio. Combinado con experimentos de arquitectura de razonamiento e integración multimodal, este trabajo explora rutas hacia sistemas generales.

Ant Group no especificó plazos ni métricas para el progreso en AGI. La empresa describió los lanzamientos como pasos dentro de una investigación en curso, en lugar de afirmaciones de inteligencia general alcanzada. La disponibilidad pública de modelos permite la evaluación y comparación externa, lo cual puede informar la dirección de la investigación.

Implicaciones para el despliegue de IA empresarial

Los nuevos modelos pueden influir en la adopción de IA empresarial en finanzas y otros sectores. Los modelos de lenguaje de larga extensión de contexto permiten analizar documentos extensos e historiales de transacciones. Los sistemas centrados en razonamiento respaldan tareas de evaluación estructurada. Los modelos multimodales habilitan interacción impulsada por voz.

El acceso abierto permite a las organizaciones probar estas capacidades sin barreras de licenciamiento propietario. Las empresas pueden ajustar finamente modelos para tareas específicas del dominio, como monitoreo de cumplimiento, análisis de contratos o automatización de soporte al cliente. El menor uso de tokens en Ling-2.5-1T podría reducir costos operativos en despliegues a gran escala.

El rendimiento en benchmarks en matemáticas indica potencial para tareas analíticas, aunque traducirlo a ámbitos aplicados requiere adaptación. Las empresas suelen combinar modelos base con datos especializados y sistemas de control. Los lanzamientos abiertos de Ant Group proporcionan arquitecturas iniciales en lugar de soluciones empresariales terminadas.

Contexto competitivo en modelos de IA abierta

Los modelos de IA abierta se han convertido en un escenario competitivo entre empresas tecnológicas y grupos de investigación. Las firmas lanzan cada vez sistemas más grandes y capaces para atraer ecosistemas de desarrolladores e influir en los estándares. La disponibilidad en repositorios principales respalda la adopción y la experimentación.

Los lanzamientos de Ant Group posicionan a la empresa entre los contribuyentes globales a modelos abiertos a gran escala. Históricamente, las firmas de tecnología financiera consumían herramientas de IA desarrolladas en otros lugares. Construir y lanzar modelos fundamentales señala un cambio hacia innovación interna e influencia externa.

Por lo tanto, los lanzamientos de Ling-2.5-1T y Ring-2.5-1T conllevan importancia estratégica más allá de las métricas técnicas. Indican inversión sostenida en investigación de IA a gran escala dentro de una organización de fintech y una disposición a compartir resultados con la comunidad de desarrollo más amplia.

Perspectiva

Las últimas actualizaciones de la familia Ling de Ant Group amplían su cartera de IA abierta en los dominios de lenguaje, razonamiento y multimodal. Los lanzamientos enfatizan la eficiencia, la resolución estructurada de problemas y la integración entre modalidades. La disponibilidad pública invita a la evaluación y aplicación externas.

A medida que las firmas de tecnología financiera profundizan su inversión en IA, el desarrollo de modelos fundamentales se está convirtiendo en parte de su pila tecnológica. Los lanzamientos de Ant Group con billones de parámetros ilustran ese cambio. El impacto práctico dependerá de cómo los desarrolladores y las empresas apliquen estos sistemas en tareas del mundo real, desde análisis financiero hasta interacción digital.

Por ahora, los lanzamientos de Ling-2.5-1T y Ring-2.5-1T marcan otro paso en la integración de la investigación avanzada en IA dentro del sector fintech y de su ecosistema de innovación abierta.