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事件！

订阅FinTech Weekly的新闻通讯

由摩根大通、Coinbase、黑石、Klarna等高管阅读

大型金融科技公司内部的人工智能发展正进入一个新阶段。蚂蚁集团已在开放许可下发布了两个万亿参数的AI模型，扩展了其Ling模型系列，表明其在与金融和数字服务相关的高级推理系统方面持续投入。

这家总部位于杭州的金融科技公司宣布了Ling-2.5-1T，这是一个旨在高效推理和代理交互的大型语言模型，以及Ring-2.5-1T，被描述为首个混合线性架构的思维模型。这两个系统都基于2025年10月推出的Ling 2.0系列，并在Hugging Face和ModelScope两个广泛使用的开源AI分发平台上提供。

这些发布是蚂蚁集团更广泛的开源AI产品组合更新的一部分，还包括Ming多模态系列。本月早些时候，该公司推出了Ming-Flash-Omni-2.0，这是一个在单一架构中处理语音、音频和音乐的统一模型。

万亿参数模型专注于高效推理

Ling-2.5-1T代表蚂蚁集团Ling系列通用语言模型的最新旗舰。公司资料描述了在推理效率和偏好对齐方面的改进，以及对原生代理交互的支持。该模型接受高达一百万个tokens的上下文长度，支持长篇分析和延伸对话任务。

**效率提升似乎是此次更新的核心。**蚂蚁集团表示，Ling-2.5-1T在AIME 2026基准测试中与前沿推理模型表现相当，但使用的tokens明显更少。类似系统通常需要15,000到23,000个tokens才能达到类似效果。据公司介绍，Ling-2.5-1T大约使用5,890个tokens。

减少的tokens用量影响计算成本和响应速度。在企业部署中，这样的改进可以降低推理费用，并支持更大规模的应用。金融科技公司常常处理大量的语言任务，如合规分析、客户互动和文档审查。因此，效率具有重要的运营意义。

Ring-2.5-1T面向高级数学推理

Ring-2.5-1T属于蚂蚁集团的推理优化系列Ring。该模型采用公司称之为混合线性架构，旨在改善结构化问题解决能力。蚂蚁集团在学术数学基准测试中取得了高分，包括在国际竞赛中达到金牌标准。

在2025年国际数学奥林匹克（IMO）基准测试中，Ring-2.5-1T得分为35分（满分42分）。在2025年中国数学奥林匹克（CMO）基准测试中，达到105分（满分126分），高于国家队的分数线。这类测试评估多步骤推理和符号操作，而非一般的语言流利度。

在此领域表现出色，表明在专业推理系统方面取得了进展。数学基准已成为评估大型模型推理能力的参考点。改进可能转化为需要结构化分析的应用，如金融建模、风险评估或科学计算。

Ling模型家族的扩展

Ling家族，也称为白灵（BaiLing），现由三条主要线组成：Ling通用语言模型、Ring推理模型和Ming多模态系统。2月的发布在短时间内更新了每一条线。蚂蚁集团将这些发布描述为开源模型家族的全面升级。

开源分发仍是其战略的重要组成部分。通过在开源许可下发布模型，蚂蚁集团允许研究人员和开发者访问和调整模型。开源AI已成为主要科技公司和研究团体之间的竞争领域。在Hugging Face和ModelScope上的可用性，将模型置于全球开发社区中。

对于金融科技公司而言，开源模型可以加快生态系统的采用。外部开发者可以构建针对行业任务的应用，扩大实际应用场景，而无需直接依赖供应商开发。蚂蚁集团在支付和数字金融平台上也采取了类似策略，鼓励第三方集成。

多模态发展：Ming-Flash-Omni-2.0

Ling和Ring的发布紧随2月11日推出的Ming-Flash-Omni-2.0。蚂蚁集团描述该模型为首个在单一架构中统一语音、音频和音乐的模型。多模态系统整合多种数据类型，实现语音、声音和文本的交互。

此类能力与金融服务界面密切相关。语音助手、音频认证和对话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，可以简化部署和跨渠道协调。蚂蚁集团未披露Ming-Flash-Omni-2.0的基准对比，但将其定位为大型全能模型。

三条模型线的发布时间表显示出协调开发的迹象，而非孤立的更新。Ling、Ring和Ming共同涵盖语言、推理和多模态交互。这一组合符合企业AI部署对多种认知功能的需求。

金融科技公司内部的AI发展

大型金融科技公司越来越多地构建自主的AI基础设施。支付平台、数字银行和金融市场生成大量数据流，运营复杂的风险系统。内部AI模型可以大规模处理交易数据、客户沟通和合规记录。

蚂蚁集团多年来一直投资AI研究，应用机器学习于欺诈检测、信用评估和服务自动化。Ling家族将这种能力扩展到通用和推理导向的语言模型。开源发布则扩大了其影响范围，不仅限于内部使用。

这种做法反映了科技驱动金融企业的更广泛趋势。AI开发不再仅仅局限于专业预测模型，而是包括具有通用任务能力的大型语言和推理系统。这些模型可以支持自动代理、决策分析和对话界面。

迈向人工通用智能（AGI）研究

蚂蚁集团将Ling家族的升级描述为朝着人工通用智能（AGI）迈进。AGI指的是能够执行广泛认知任务、具有类似人类推理适应性的系统。行业定义各异，AGI仍是一个理想目标，而非明确的里程碑。

发布万亿参数模型有助于扩大研究规模。参数数量本身并不决定能力，但大型模型通常能实现更广泛的表示学习。结合推理架构实验和多模态整合，这些工作探索通向通用系统的路径。

蚂蚁集团未具体说明AGI的时间表或衡量标准。公司将这些发布描述为持续研究中的步骤，而非已实现通用智能的声明。公开模型的可用性允许外部评估和比较，有助于指导研究方向。

企业AI部署的影响

新模型可能影响金融及其他行业的企业AI采用。长上下文语言模型支持分析长篇文档和交易历史。推理导向的系统适合结构化评估任务。多模态模型支持语音驱动的交互。

开放访问使组织可以在没有专有许可障碍的情况下测试这些能力。企业可以微调模型以适应合规监控、合同分析或客户支持自动化等特定任务。Ling-2.5-1T中减少的tokens用量可能降低大规模部署的运营成本。

数学基准表现显示出潜在的分析能力，但转化为实际应用还需调整。企业通常将基础模型与专业数据和控制系统结合使用。蚂蚁集团的开源发布提供了起点架构，而非完整的企业解决方案。

开源AI模型的竞争格局

开源AI模型已成为科技公司和研究团体之间的竞争场。企业不断发布越来越大、能力更强的系统，以吸引开发者生态系统并影响行业标准。在主要仓库上的可用性支持采用和试验。

蚂蚁集团的发布使其在全球开源大规模模型贡献者中占据一席之地。金融科技公司过去主要使用其他地方开发的AI工具。构建和发布基础模型标志着向内部创新和外部影响的转变。

Ling-2.5-1T和Ring-2.5-1T的推出具有超越技术指标的战略意义。它们表明在金融科技组织中持续投资大规模AI研究，并愿意与更广泛的开发社区分享成果。

展望

蚂蚁集团最新的Ling系列更新将其开源AI产品线扩展到语言、推理和多模态领域。发布强调效率、结构化问题解决和跨模态整合。公开可用性鼓励外部评估和应用。

随着金融科技公司加深AI投资，基础模型开发正成为其技术体系的一部分。蚂蚁集团的万亿参数模型体现了这一转变。实际影响将取决于开发者和企业如何在实际任务中应用这些系统，从金融分析到数字交互。

目前，Ling-2.5-1T和Ring-2.5-1T的推出标志着先进AI研究在金融科技行业及其开放创新生态系统中的又一进步。