螞蟻集團擴展開放式人工智能模型，推出 Ling-2.5-1T 和 Ring-2.5-1T

探索頂尖金融科技新聞與活動！

訂閱 FinTech Weekly 的電子報

由 JP Morgan、Coinbase、Blackrock、Klarna 等高層閱讀

大型金融科技公司內的人工智慧發展正進入新階段。螞蟻集團已在開放許可下發布兩款兆參數級的 AI 模型，擴展其 Ling 系列模型家族，並彰顯其在與金融與數位服務相關的高階推理系統上的持續投資。

這家總部位於杭州的金融科技公司宣布了 Ling-2.5-1T，一款設計用於高效推理與代理互動的大型語言模型，以及 Ring-2.5-1T，被描述為首款混合線性架構思考模型。這兩個系統都建立在 2025 年 10 月推出的 Ling 2.0 系列之上，並已在 Hugging Face 和 ModelScope 這兩個廣泛使用的開放 AI 發行平台上提供。

這些發布是螞蟻集團整體開放 AI 產品組合的更新部分，該組合還包括 Ming 多模態系列。本月早些時候，該公司推出了 Ming-Flash-Omni-2.0，一款能在單一架構中處理語音、音頻與音樂的統一模型。

兆參數模型專注於高效推理

Ling-2.5-1T 代表螞蟻集團 Ling 系列通用語言模型的最新旗艦。公司資料描述其在推理效率與偏好對齊方面的改進，以及對原生代理互動的支持。該模型接受長達一百萬個標記的上下文，能進行長篇分析與延伸對話任務。

效率提升似乎是此次更新的核心。 螞蟻集團表示，Ling-2.5-1T 在 AIME 2026 基準測試中，性能與前沿推理模型相當，但所需標記數量顯著較少。類似系統通常需要 15,000 至 23,000 個標記才能達到類似效果。公司稱 Ling-2.5-1T 約使用 5,890 個標記。

較少的標記數量影響計算成本與反應速度。在企業部署中，這些改進可以降低推理費用，並支持更大規模的應用。金融科技公司經常處理大量語言任務，如合規分析、客戶互動與文件審查。因此，效率具有重要的運營意義。

Ring-2.5-1T 針對高階數學推理

Ring-2.5-1T 屬於螞蟻集團的推理優化系列 Ring 系列。該模型採用公司稱為混合線性架構，旨在改善結構化問題解決能力。螞蟻集團在學術數學基準測試中取得高分，包括在國際比賽中達到金牌標準。

在 2025 年國際數學奧林匹克（IMO）基準測試中，Ring-2.5-1T 得分 35 分（滿分 42 分）。在 2025 年中國數學奧林匹克（CMO）基準測試中，達到 105 分（滿分 126），高於國家隊的分數門檻。這些測試評估多步推理與符號操作能力，而非一般語言流暢度。

在此領域的優異表現，顯示專門推理系統的進展。數學基準已成為評估大型模型推理能力的參考點。改進可能轉化為結構化分析應用，如金融建模、風險評估或科學計算。

Ling 模型家族的擴展

Ling 系列，也稱為白靈（BaiLing），現由三條主要線路組成：Ling 通用語言模型、Ring 推理模型與 Ming 多模態系統。二月的發布在短時間內更新了每一條線路。螞蟻集團將這些發布描述為整個開放模型家族的全面升級。

開放式分發仍是策略的重要元素。通過在開放許可下發布模型，螞蟻集團允許研究人員與開發者存取並調整模型。開源 AI 已成為主要科技公司與研究團隊之間的競爭領域。在 Hugging Face 和 ModelScope 上的可用性，將模型置於全球開發社群中。

對金融科技公司而言，開放模型能加速生態系統的採用。外部開發者可以建立針對行業任務的應用，擴展實用案例，無需直接由供應商開發。螞蟻集團在支付與數位金融平台上也採用類似策略，鼓勵第三方整合。

多模態發展：Ming-Flash-Omni-2.0

Ling 與 Ring 的發布緊隨 2 月 11 日推出的 Ming-Flash-Omni-2.0。螞蟻集團描述該模型為首款在單一架構中整合語音、音頻與音樂的模型。多模態系統整合多種資料類型，實現語音、聲音與文字的互動。

此能力對金融服務界面具有相關性。語音助手、音頻認證與對話式銀行工具都依賴多模態處理。將多種模態整合到一個模型中，可簡化部署與跨渠道協調。螞蟻集團未披露 Ming-Flash-Omni-2.0 的基準比較，但將其定位為大型全能模型。

三個模型線路的同步發布，顯示協調開發而非孤立更新。Ling、Ring 與 Ming 一起涵蓋語言、推理與多模態互動。這種組合符合企業 AI 部署對多重認知功能的需求。

金融科技公司內的 AI 發展

大型金融科技公司越來越多地建立專屬 AI 基礎設施。支付平台、數位銀行與金融市場擁有大量資料流，並運作複雜的風險系統。內部 AI 模型能大規模處理交易資料、客戶溝通與合規記錄。

螞蟻集團多年來投資 AI 研究，應用機器學習於詐騙偵測、信用評估與服務自動化。Ling 系列將此能力擴展至通用與推理導向的語言模型。開放發布則擴展其影響範圍，超越內部使用。

這反映科技驅動金融公司的一個更廣泛趨勢。AI 發展不再僅限於專門預測模型，還包括能執行多任務的大型語言與推理系統。這些模型能支援自動代理、決策分析與對話界面。

邁向人工通用智慧（AGI）研究

螞蟻集團將 Ling 系列的升級描述為邁向人工通用智慧（AGI）的進展。AGI 指能執行廣泛認知任務、具有類似人類推理適應性的系統。行業定義各異，AGI 仍是理想目標而非明確里程碑。

發布兆參數模型有助於研究規模。參數數量本身並不決定能力，但大型模型通常能學習更廣泛的表徵。結合推理架構實驗與多模態整合，這些工作探索通向通用系統的途徑。

螞蟻集團未具體說明 AGI 的時間表或指標。公司將這些發布描述為持續研究中的步驟，而非已達成通用智慧的聲稱。公開模型讓外部評估與比較，能指引研究方向。

對企業 AI 部署的影響

新模型可能影響金融及其他行業的企業 AI 採用。長上下文語言模型能分析長篇文件與交易歷史。推理導向系統支援結構化評估任務。多模態模型則支持語音驅動的互動。

開放存取讓組織能在無專利限制下測試這些能力。企業可微調模型以適應合規監控、合約分析或客戶支援自動化等專業任務。Ling-2.5-1T 減少的標記用量，亦可降低大規模部署的運營成本。

數學基準的良好表現，顯示其在分析任務上的潛力，但轉化為實務應用仍需調整。企業通常將基礎模型與專用資料與控制系統結合。螞蟻集團的開放發布提供了起點架構，而非完整企業解決方案。

開放 AI 模型的競爭格局

開放 AI 模型已成為科技公司與研究團隊之間的競爭舞台。企業發布越來越大、越來越強的系統，以吸引開發者生態系與影響標準。主要資料庫上的可用性促進採用與實驗。

螞蟻集團的發布使其成為全球開放大型模型的貢獻者之一。金融科技公司歷來多依賴外部開發的 AI 工具。建立並發布基礎模型，象徵向內部創新與外部影響的轉變。

Ling-2.5-1T 與 Ring-2.5-1T 的推出，具有超越技術指標的策略意義。它們展現了在金融科技組織內持續投資大型 AI 研究的決心，以及願意與更廣泛的開發社群分享成果。

展望

螞蟻集團最新的 Ling 系列更新，擴展了其在語言、推理與多模態領域的開放 AI 產品組合。這些發布強調效率、結構化問題解決與跨模態整合。公開可用性促使外部評估與應用。

隨著金融科技公司深化 AI 投資，基礎模型的開發正成為其技術架構的一部分。螞蟻集團的兆參數模型展現了這一轉變。實際影響將取決於開發者與企業如何在金融分析、數位互動等實務任務中應用這些系統。

目前，Ling-2.5-1T 與 Ring-2.5-1T 的推出，標誌著先進 AI 研究在金融科技行業及其開放創新生態系中的又一進展。