蚂蚁集团扩展开放AI模型，推出Ling-2.5-1T和Ring-2.5-1T

发现顶级金融科技新闻与活动！

订阅 FinTech Weekly 的简报

供 JP Morgan、Coinbase、Blackrock、Klarna 等高管阅读

大型金融科技企业内部的人工智能开发正进入一个新阶段。蚂蚁集团已在开放许可证下发布了两万亿参数的 AI 模型，扩展其 Ling 模型家族，并表明其将持续投资于与金融与数字服务相关的先进推理系统。

总部位于杭州的 金融科技公司 公布了 Ling-2.5-1T，这是一款为高效推理与智能体交互而设计的大语言模型；同时还发布了 Ring-2.5-1T，被描述为首个混合线性架构思维模型。**这两套系统均基于 2025 年 10 月推出的 Ling 2.0 系列，并可在 Hugging Face 和 ModelScope 上使用，**这两个平台是用于开放 AI 分发的广泛使用平台。

这些发布属于蚂蚁集团开放 AI 产品组合的更广泛更新，其中也包括 Ming 多模态系列。本月早些时候，公司推出了 Ming-Flash-Omni-2.0——一款在单一架构中统一处理语音、音频与音乐的统一模型。

万亿参数模型聚焦高效推理

Ling-2.5-1T 代表了蚂蚁集团 Ling 系列通用语言模型中的最新旗舰。公司材料描述了其在推理效率与偏好对齐方面的改进，并支持原生智能体交互。该模型支持最高达一百万 tokens 的上下文长度，从而能够进行长文本分析与延展对话任务。

效率提升似乎是本次更新的核心。 蚂蚁集团报告称，Ling-2.5-1T 在 AIME 2026 基准上与前沿推理模型的表现相当，同时使用的 tokens 数量大幅更少。可比系统通常需要在 15,000 到 23,000 tokens 范围内才能获得类似结果。根据公司数据，Ling-2.5-1T 使用约 5,890 tokens。

减少 tokens 的使用会影响计算成本与响应速度。在企业部署中，这类改进可能降低推理费用，并推动更大规模的应用。金融科技公司经常处理合规分析、客户交互、文档审阅等高容量语言任务。因此，效率具有显著的运营意义。

Ring-2.5-1T 以先进的数学推理为目标

Ring-2.5-1T 属于蚂蚁集团面向推理优化的 Ring 系列。该模型采用公司所称的混合线性架构，旨在提升结构化问题求解能力。蚂蚁集团报告称，在学术数学基准上取得了高分，包括在国际竞赛中达到金牌标准的结果。

在国际数学奥林匹克 2025 基准上，Ring-2.5-1T 得到 42 分中的 35 分。在中国数学奥林匹克 2025 基准上，它取得了 126 分中的 105 分，高于国家队的入队分数线。这类测试评估的是多步骤推理与符号运算，而非通用语言流畅度。

在该领域的强劲表现表明专门化推理系统方面取得进展。数学基准已成为评估大模型推理能力的参考点。改进可能会映射到需要结构化分析的应用，例如金融建模、风险评估或科学计算。

扩展 Ling 模型家族

Ling 家族（也被称为 BaiLing）目前由三条主要产品线构成：Ling 通用语言模型、Ring 推理模型，以及 Ming 多模态系统。2 月的发布会在短时间内更新每条产品线。蚂蚁集团将这些发布描述为开放模型家族范围内的全面升级。

开放分发仍是该战略中的一个显著要素。通过在开放许可证下发布模型，蚂蚁集团让研究人员与开发者能够访问并对其进行改编。开源 AI 已成为主要科技公司与研究团队之间的竞争领域。能够在 Hugging Face 和 ModelScope 上获取，也使这些模型进入全球开发者社群。

对于金融科技公司而言，开放模型可以加速生态系统采用。外部开发者能够为行业任务构建定制化应用，从而在不依赖直接的供应商开发的情况下扩展实际用例。蚂蚁集团在支付与数字金融平台方面也采取了类似做法，鼓励第三方集成。

结合 Ming-Flash-Omni-2.0 进行多模态开发

Ling 与 Ring 的发布继 2 月 11 日推出 Ming-Flash-Omni-2.0 之后。蚂蚁集团表示，该模型是首个在单一架构中统一语音、音频与音乐的模型。多模态系统融合多种数据类型，使得语音、声音与文本之间的交互成为可能。

这种能力与金融服务界面具有现实相关性。语音助手、音频身份验证以及对话式银行工具都依赖多模态处理。将多种模态集成到一个模型中可以简化部署，并提升跨通道的协调。蚂蚁集团未披露 Ming-Flash-Omni-2.0 的基准对比，但将其定位为大规模的全能（omni）模型。

在三条模型产品线间的发布时机相同，表明这是协同开发而非彼此孤立的更新。Ling、Ring 与 Ming 共同覆盖语言、推理与多模态交互。这样的组合符合需要多种认知功能的企业级 AI 部署场景。

金融科技企业内部的 AI 开发

大型金融科技公司正越来越多地构建自有的 AI 基础设施。支付平台、数字银行与金融市场会产生海量数据流，并运行复杂的风险系统。内部 AI 模型能够在规模化条件下处理交易数据、客户沟通与合规记录。

蚂蚁集团多年来投入 AI 研究，将机器学习应用于欺诈检测、信用评估与服务自动化等领域。Ling 系列将这种能力扩展到通用与以推理为重点的语言模型中。开放发布能够将影响范围从内部使用扩展到更广泛的外部。

这种做法反映了技术驱动型金融公司的更广泛趋势。AI 开发不再只围绕专门化的预测模型。它现在也包括能够执行通用任务的大语言与推理系统。这些模型可以支持自动化智能体、决策分析以及对话式界面。

面向通用人工智能（AGI）研究

蚂蚁集团将 Ling 家族的升级视作向人工通用智能发展的进步。AGI 指的是具备在广泛范围内执行认知任务能力的系统，其适应性类似于人类推理。行业对 AGI 的定义不尽相同，而 AGI 仍是一个令人期待的目标，而不是一个已明确定义的里程碑。

发布万亿参数模型有助于研究规模扩大。单靠参数数量并不能决定能力，但大型模型往往能够支持更广泛的表征学习。结合推理架构实验与多模态集成，这类工作在探索通往通用系统的路径。

蚂蚁集团未明确说明 AGI 进展的时间表或衡量指标。公司将这些发布描述为正在进行的研究中的步骤，而非对已实现通用智能的宣称。公开提供模型让外部能够评估与对比，从而可能为研究方向提供信息。

对企业级 AI 部署的影响

这些新模型可能会影响金融及其他领域的企业 AI 采用。长上下文语言模型能够对延长文档与交易历史进行分析。以推理为重点的系统支持结构化评估任务。多模态模型则能够实现由语音驱动的交互。

开放访问使组织能够在不受专有授权壁垒影响的情况下测试这些能力。企业可以针对合规监测、合同分析或客户支持自动化等领域特定任务对模型进行微调。Ling-2.5-1T 中减少 tokens 的使用可能会在大型部署中降低运营成本。

数学基准中的表现表明其在分析任务方面的潜力，但将其转化到应用领域仍需要适配。企业通常会将基础模型与专门数据以及控制系统结合使用。蚂蚁集团的开放发布提供的是起始架构，而不是已完成的企业解决方案。

开放 AI 模型中的竞争格局

开放 AI 模型已成为科技公司与研究团队之间的竞争战场。各家公司为吸引开发者生态并影响行业标准，纷纷发布越来越大且能力更强的系统。主要仓库的可用性有助于推动采用与实验。

蚂蚁集团的发布将其定位在全球开放大规模模型的贡献者之列。金融科技公司过去通常使用其他地方开发的 AI 工具。构建并发布基础模型则表明其在内部创新与外部影响力方面发生了转变。

因此，Ling-2.5-1T 与 Ring-2.5-1T 的发布不仅具有技术指标之外的战略意义。它们表明蚂蚁这种金融科技组织在大规模 AI 研究方面持续投入，并愿意将成果与更广泛的开发者社区分享。

展望

蚂蚁集团最新的 Ling 家族更新将其开放 AI 产品组合扩展至语言、推理与多模态等领域。这些发布强调效率、结构化问题求解以及跨模态集成。公开可用性邀请外部进行评估与应用。

当 金融科技 公司加深对 AI 的投资时，基础模型开发正在成为其技术栈的一部分。蚂蚁集团的万亿参数发布体现了这一转变。其实际影响将取决于开发者与企业如何在现实任务中应用这些系统——从金融分析到数字交互。

目前而言，Ling-2.5-1T 与 Ring-2.5-1T 的发布标志着在金融科技领域及其开放创新生态中整合先进 AI 研究又迈出了一步。