목차
요약: Ling-1T, Ling 2.0 시리즈의 첫 번째 주력 비사고 모델이 이제 SiliconFlow에서 실시간으로 사용 가능합니다. 조 단위 규모에서 효율적인 추론을 위해 구축되었으며, 약 1조 개의 총 파라미터와 Evo-CoT 훈련을 통해 더 깊고 빠른 추론을 제공합니다. 수학, 코드, 프론트엔드 작업에서 최첨단 성능을 제공하여 정확도, 속도, 비용 효율성의 균형을 재정의합니다.
오늘 SiliconFlow의 실사용 준비 API를 통해 OpenAI/Anthropic-완전 호환 가능하며 기존 워크플로우에 통합할 준비가 되어 있습니다!
오늘, 우리는 SiliconFlow에서 Ling-1T를 출시합니다 — Ling 2.0 시리즈의 첫 번째 주력 비사고 모델입니다. 1조 개의 파라미터와 토큰당 ~500억 개의 활성 파라미터로 구축되어 복잡한 작업 전반에서 효율적인 추론에 최적화되어 있습니다. 또한 복잡한 자연어 설명을 실행 가능한 코드로 변환하고, 경쟁 수준의 수학 문제를 해결하며, 미학과 기능성을 균형 있게 갖춘 프론트엔드 인터페이스를 생성하는 데 뛰어납니다. 더 중요한 것은, 더 짧은 추론 연쇄로 높은 정확도를 달성하여 더 빠른 응답, 더 낮은 비용, 더 신뢰할 수 있는 출력으로 이어진다는 것입니다.
SiliconFlow의 Ling-1T API로 기대할 수 있는 것:
경쟁력 있는 가격: Ling-1T $0.57/M tokens (입력) 및 $2.28/M tokens (출력).
확장된 컨텍스트 창: 131K 컨텍스트 창은 더 긴 문서를 처리하고 복잡한 작업 전반에서 컨텍스트를 유지할 수 있게 합니다.
효율적인 MoE 아키텍처: 1조 개의 총 파라미터와 토큰당 ~500억 개의 활성 파라미터로 강력한 추론을 제공하며 완전 밀집 모델의 계산 오버헤드를 피합니다.
Evo-CoT 최적화: 고품질의 추론 중심 토큰 20조 개 이상으로 사전 훈련되어, 다단계 문제 해결을 향상시키는 진화적 사고 과정을 제공합니다.
주요 기능 및 벤치마크 성능
추론은 지능의 초석이다. Ling-1T는 효율적인 추론과 창의적 생성을 결합하여 다음 두 가지 주요 측면에서 뛰어난 성과를 보입니다:
미적 이해 및 프론트엔드 생성
아이디어를 세련된 프론트엔드 코드로 전환: Ling-1T는 UI 의도를 해석하고 자연어를 깔끔하고 기능적인 인터페이스로 번역합니다.
코드가 잘 작동할 뿐만 아니라 보기에도 좋은 코드: 하이브리드 문법–기능–미학 보상 시스템을 통해 코드의 정확성, 사용성, 시각적 매력을 모두 달성합니다.
ArtifactsBench에서 1위로 평가됨: Ling-1T는 프론트엔드 생성에서 뛰어납니다. SiliconFlow API를 통해 생성된 데모를 보려면 아래로 스크롤하십시오.
조 단위 규모의 진화하는 지능
지능과 함께 확장: 최소한의 튜닝으로 BFCL V3에서 약 70%의 도구 호출 정확도를 달성하며 조 단위에서 진화하는 추론과 전이 능력을 노출합니다.
당신의 의도를 이해합니다: 복잡한 자연어 지시를 정확하게 해석하여 신뢰할 수 있고 목표 지향적인 응답을 생성합니다.
논리와 디자인을 연결합니다: 추상적인 아이디어나 추론 단계를 기능적인 시각적 구성 요소로 바꿔 더 깨끗한 논리로 더 빠르게 프로토타입을 제작할 수 있도록 돕습니다.
플랫폼 간에 구축합니다: 최소한의 조정으로 배포 준비가 된 반응형, 크로스 플랫폼 프론트엔드 코드를 생성합니다.
스타일과 컨텍스트를 살려 작성합니다: 귀하의 톤, 대상 및 브랜드 아이덴티티에 맞는 마케팅 카피와 다국어 텍스트를 제작합니다.
공정하고 포괄적인 평가를 보장하기 위해, Ling-1T는 오픈 소스 및 비공개 주력 모델과 비교 벤치마킹되었습니다 — DeepSeek-V3.1-Terminus, Kimi-K2-Instruct-0905, GPT-5-main 및 Gemini-2.5-Pro을 포함합니다.
코드 생성, 소프트웨어 개발, 경쟁 수준의 수학, 전문 수학, 논리적 추론 전반에 걸쳐 Ling-1T는 우수한 복잡한 추론 성능을 지속적으로 제공하며 이러한 선도 모델에 비해 명백한 전반적인 이점을 보여줍니다.
AIME 25 벤치마크에서 Ling-1T는 추론 정확도 vs. 추론 길이의 파레토 효율성을 확장하여 더 적은 추론 단계로 더 높은 정확도를 달성합니다.
복잡한 추론, 수학적 분석, 다단계 문제에 집중하는 개발자들에게 이는 더 빠른 결과와 더 높은 정밀도를 의미합니다.
모델 아키텍처 및 훈련
주요 아키텍처 혁신:
Ling 2.0 아키텍처에 기반한 Ling-1T는 초기부터 Ling Scaling Law에 따라 조 단위 효율성에 중점을 두고 설계되어 어떤 규모에서든 안정적인 추론 성능을 보장합니다:
1T 총/50B 활성 파라미터와 1/32 MoE 활성화 비율
MTP 레이어로 향상된 구성적 추론
보조 손실 없는, 시그모이드 점수 전문 라우팅과 평균이 없는 업데이트
QK 정규화로 완전히 안정적인 수렴
훈련 효율성:
Ling-1T는 FP8 혼합 정밀도 훈련을 활용하여 이 방식으로 훈련된 가장 큰 기본 모델이 되었습니다. 이질적인 파이프라인 최적화 및 WSM 학습률 스케줄러와 결합하여 훈련은 40% 이상의 종단 간 가속을 달성하면서도 조 단위에서 안정성을 유지했습니다.
사전 훈련:
고품질 토큰 20조 개 이상으로 사전 훈련되어, 그 중 40% 이상이 추론 중심 데이터에 할애되었습니다. 이러한 기초는 Ling-1T에 논리, 다단계 문제 해결, 복잡한 분석에 자연스러운 강점을 제공합니다.
이러한 능력을 더욱 향상시키기 위해, 중간 훈련 동안 큐레이션된 사고 과정 데이터를 통합하여 추론 안정성과 일반화를 개선했습니다.
후 훈련:
Ling-1T는 고급 최적화를 통해 추론 능력을 지속적으로 개선합니다:
Evo-CoT (진화적 사고 체인): 더 적은 계산 단계로 보다 논리적인 사고를 가능하게 하며 점점 더 정확하고 효율적인 추론을 제공
LPO (언어 단위 정책 최적화): 문장 수준에서의 학습을 최적화하여, 토큰 시퀀스가 아닌 자연 언어 의미와 보상이 정렬되도록 합니다.
즉시 시작하기
1. 탐색: Ling-1T를 SiliconFlow Playground에서 사용해보세요.
2. 통합: OpenAI 호환 API를 사용하세요. SiliconFlow API 문서에서 전체 API 사양을 탐색하세요.
SiliconFlow의 실사용 준비 API를 통해 오늘부터 Ling-1T로 개발을 시작하십시오 — 효율적이고 신뢰할 수 있는 조 단위 추론을 제공합니다.
