Ant Group étend ses modèles d'IA ouverte avec Ling-2.5-1T et Ring-2.5-1T

Découvrez les principales actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue par des dirigeants de JP Morgan, Coinbase, Blackrock, Klarna et plus encore

Le développement de l’intelligence artificielle au sein de grandes entreprises de technologies financières entre dans une nouvelle phase. Ant Group a publié deux modèles d’IA à deux billions de paramètres sous licences ouvertes, en prolongeant sa famille de modèles Ling et en signalant des investissements continus dans des systèmes de raisonnement avancés liés aux services financiers et numériques.

La société fintech basée à Hangzhou a annoncé Ling-2.5-1T, un grand modèle de langage conçu pour un raisonnement efficace et l’interaction avec des agents, ainsi que Ring-2.5-1T, décrit comme le premier modèle de pensée à architecture linéaire hybride. Les deux systèmes s’appuient sur la série Ling 2.0 introduite en octobre 2025 et sont disponibles sur Hugging Face et ModelScope, deux plateformes largement utilisées pour la distribution d’IA open source.

Ces publications s’inscrivent dans une mise à jour plus large du portefeuille d’IA ouverte d’Ant Group, qui inclut également la série multimodale Ming. Plus tôt ce mois-ci, l’entreprise a lancé Ming-Flash-Omni-2.0, un modèle unifié qui gère la parole, l’audio et la musique au sein d’une architecture unique.

Les modèles à deux billions de paramètres visent le raisonnement efficace

Ling-2.5-1T représente la dernière figure de proue de la série Ling de modèles de langage général d’Ant Group. Les supports de l’entreprise décrivent des améliorations de l’efficacité du raisonnement et de l’alignement des préférences, ainsi qu’un support pour l’interaction native avec des agents. Le modèle accepte des longueurs de contexte allant jusqu’à un million de jetons, permettant des analyses au long cours et des tâches de dialogue étendues.

Les gains d’efficacité semblent au cœur de la mise à jour. Ant Group a indiqué que Ling-2.5-1T correspond aux performances de modèles de raisonnement à la pointe sur le benchmark AIME 2026 tout en utilisant sensiblement moins de jetons. Des systèmes comparables nécessitent généralement entre 15,000 et 23,000 jetons pour des résultats similaires. Ling-2.5-1T utilise environ 5,890 jetons, selon l’entreprise.

La réduction de l’usage de jetons affecte le coût de calcul et la vitesse de réponse. Dans les déploiements en entreprise, de telles améliorations peuvent réduire les dépenses d’inférence et permettre des applications à plus grande échelle. Les entreprises de technologies financières traitent souvent des tâches linguistiques à fort volume, comme l’analyse de conformité, l’interaction avec les clients et la revue de documents. L’efficacité revêt donc une importance opérationnelle.

Ring-2.5-1T cible le raisonnement mathématique avancé

Ring-2.5-1T appartient à la série Ring, optimisée pour le raisonnement, d’Ant Group. Le modèle utilise ce que l’entreprise appelle une architecture linéaire hybride, destinée à améliorer la résolution de problèmes structurée. Ant Group a rapporté de très bons scores sur des benchmarks académiques de mathématiques, y compris des résultats correspondant à des standards de médailles d’or lors de compétitions internationales.

Sur le benchmark International Mathematical Olympiad 2025, Ring-2.5-1T a obtenu 35 sur 42. Sur le benchmark China Mathematical Olympiad 2025, il a atteint 105 sur 126, au-dessus du seuil de l’équipe nationale. Ces tests évaluent le raisonnement multi-étapes et la manipulation symbolique plutôt que la fluidité générale en langage.

Une forte performance dans ce domaine suggère des progrès dans les systèmes de raisonnement spécialisés. Les benchmarks de mathématiques sont devenus un point de référence pour évaluer les capacités de raisonnement des grands modèles. Les améliorations peuvent se traduire par des applications nécessitant une analyse structurée, comme la modélisation financière, l’évaluation des risques ou le calcul scientifique.

Extension de la famille de modèles Ling

La famille Ling, également connue sous le nom de BaiLing, se compose désormais de trois grandes lignes : les modèles de langage général Ling, les modèles de raisonnement Ring et les systèmes multimodaux Ming. Les publications de février mettent à jour chaque ligne sur une période courte. Ant Group a décrit ces sorties comme une mise à niveau complète de toute la famille de modèles ouverts.

La diffusion open source reste un élément notable de la stratégie. En publiant des modèles sous licences ouvertes, Ant Group permet aux chercheurs et aux développeurs d’y accéder et de les adapter. L’IA open source est devenue un champ de concurrence parmi les grandes entreprises technologiques et les groupes de recherche. La disponibilité sur Hugging Face et ModelScope place les modèles au sein de communautés mondiales de développement.

Pour les entreprises fintech, les modèles ouverts peuvent accélérer l’adoption de l’écosystème. Les développeurs externes peuvent construire des applications adaptées aux tâches propres à l’industrie, en élargissant les cas d’usage concrets sans développement direct du fournisseur. Ant Group a poursuivi des approches similaires dans les paiements et les plateformes de finance numérique, en encourageant l’intégration par des tiers.

Développement multimodal avec Ming-Flash-Omni-2.0

Les sorties Ling et Ring font suite à l’introduction de Ming-Flash-Omni-2.0 le 11 février. Ant Group a décrit ce modèle comme le premier à unifier la parole, l’audio et la musique au sein d’une architecture unique. Les systèmes multimodaux intègrent plusieurs types de données, permettant des interactions entre la voix, le son et le texte.

Une telle capacité est pertinente pour les interfaces des services financiers. Les assistants vocaux, l’authentification audio et les outils bancaires conversationnels s’appuient sur le traitement multimodal. Intégrer les modalités dans un seul modèle peut simplifier le déploiement et la coordination entre différents canaux. Ant Group n’a pas divulgué de comparaisons de benchmarks pour Ming-Flash-Omni-2.0, mais l’a positionné comme un modèle omni à grande échelle.

Le calendrier des sorties sur trois lignes de modèles suggère un développement coordonné plutôt que des mises à jour isolées. Ling, Ring et Ming couvrent ensemble le langage, le raisonnement et l’interaction multimodale. Cet ensemble correspond à des déploiements d’IA en entreprise nécessitant plusieurs fonctions cognitives.

Le développement de l’IA au sein des entreprises de technologies financières

Les grandes entreprises fintech construisent de plus en plus des infrastructures d’IA propriétaires. Les plateformes de paiement, les banques numériques et les places de marché financières génèrent d’importants flux de données et opèrent des systèmes complexes de gestion des risques. Les modèles d’IA internes peuvent traiter à grande échelle des données de transaction, des communications clients et des dossiers de conformité.

Ant Group investit dans la recherche sur l’IA depuis plusieurs années, en appliquant le machine learning à la détection de fraude, à l’évaluation de crédit et à l’automatisation des services. La famille Ling étend cette capacité vers des modèles de langage général et axés sur le raisonnement. Les sorties ouvertes élargissent la portée au-delà de l’usage interne.

L’approche reflète une tendance plus large dans les entreprises de finance guidées par la technologie. Le développement de l’IA ne se concentre plus uniquement sur des modèles de prédiction spécialisés. Il inclut désormais des systèmes de langage et de raisonnement capables d’accomplir des tâches générales. Ces modèles peuvent prendre en charge des agents automatisés, l’analyse de décisions et des interfaces conversationnelles.

Vers la recherche en intelligence artificielle générale

Ant Group a présenté les mises à niveau de la famille Ling comme des progrès vers l’intelligence artificielle générale. L’AGI désigne des systèmes capables d’exécuter un large éventail de tâches cognitives avec une adaptabilité comparable au raisonnement humain. Les définitions industrielles varient et l’AGI demeure un objectif ambitieux plutôt qu’une étape définie.

Publier des modèles à deux billions de paramètres contribue à l’échelle de la recherche. Le nombre de paramètres ne détermine pas à lui seul la capacité, mais les grands modèles permettent souvent un apprentissage plus étendu de la représentation. Combiné à des expériences d’architecture de raisonnement et à l’intégration multimodale, ce type de travail explore des voies menant à des systèmes généraux.

Ant Group n’a pas précisé de calendriers ni de métriques pour les progrès vers l’AGI. L’entreprise a décrit les sorties comme des étapes au sein d’une recherche en cours plutôt que comme des affirmations d’intelligence générale atteinte. La disponibilité publique des modèles permet une évaluation et une comparaison externes, ce qui peut éclairer la direction de la recherche.

Implications pour le déploiement de l’IA en entreprise

Les nouveaux modèles peuvent influencer l’adoption de l’IA en entreprise dans la finance et d’autres secteurs. Les modèles de langage à long contexte permettent d’analyser des documents étendus et des historiques de transactions. Les systèmes axés sur le raisonnement prennent en charge des tâches d’évaluation structurée. Les modèles multimodaux permettent une interaction pilotée par la voix.

L’accès ouvert permet aux organisations de tester ces capacités sans barrières liées à des licences propriétaires. Les entreprises peuvent affiner les modèles pour des tâches spécifiques au domaine, telles que la surveillance de la conformité, l’analyse de contrats ou l’automatisation du support client. La réduction de l’usage de jetons dans Ling-2.5-1T peut réduire les coûts opérationnels lors de déploiements à grande échelle.

La performance sur les benchmarks en mathématiques indique un potentiel pour des tâches analytiques, même si la transposition vers des domaines applicatifs nécessite une adaptation. En général, les entreprises combinent des modèles de base avec des données spécialisées et des systèmes de contrôle. Les sorties ouvertes d’Ant Group fournissent des architectures de départ plutôt que des solutions finales prêtes pour l’entreprise.

Contexte concurrentiel dans les modèles d’IA ouverts

Les modèles d’IA ouverts sont devenus un terrain de concurrence entre des entreprises technologiques et des groupes de recherche. Les sociétés publient des systèmes de plus en plus grands et performants pour attirer des écosystèmes de développeurs et influencer les standards. La disponibilité sur de grands dépôts facilite l’adoption et l’expérimentation.

Les publications d’Ant Group positionnent l’entreprise parmi les contributeurs mondiaux aux modèles ouverts à grande échelle. Historiquement, les entreprises de technologies financières consommaient des outils d’IA développés ailleurs. Construire et publier des modèles fondamentaux signale un changement vers l’innovation interne et une influence externe.

Les lancements de Ling-2.5-1T et Ring-2.5-1T ont donc une portée stratégique au-delà des métriques techniques. Ils indiquent des investissements soutenus dans la recherche en IA à grande échelle au sein d’une organisation fintech et une volonté de partager les résultats avec la communauté plus large du développement.

Perspectives

Les dernières mises à jour de la famille Ling d’Ant Group étendent son portefeuille d’IA ouverte aux domaines du langage, du raisonnement et du multimodal. Les sorties mettent l’accent sur l’efficacité, la résolution de problèmes structurée et l’intégration cross-modale. La disponibilité publique invite à l’évaluation externe et à l’application.

À mesure que les entreprises de technologies financières approfondissent leurs investissements en IA, le développement de modèles fondamentaux devient une partie de leur pile technologique. Les sorties d’Ant Group avec trillion de paramètres illustrent ce changement. L’impact pratique dépendra de la manière dont les développeurs et les entreprises appliquent ces systèmes à des tâches concrètes, de l’analyse financière à l’interaction numérique.

Pour l’instant, les lancements de Ling-2.5-1T et Ring-2.5-1T marquent une nouvelle étape dans l’intégration de la recherche avancée en IA au sein du secteur fintech et dans son écosystème d’innovation ouverte.