Ring-1T 現在在 SiliconFlow 上：世界首個開源的萬億參數思考模型

2025年10月17日

總結：Ring-1T — 全球首個開源的 萬億參數思維模型 — 現已在SiliconFlow上線。建構於 Ling 2.0架構 （總共1T / 50B啟用參數，131K上下文），引入了 冰棒算法 和 ASystem ，實現了在MoE模型中的穩定大規模強化學習。達到2025年IMO銀牌水準表現，Ring-1T為開源深層推理樹立了新標竿。
現在，就通過SiliconFlow的可用API開始使用Ring-1T吧！

今天，我們很高興將 Ring-1T 帶到SiliconFlow中——由螞蟻集團的inclusionAI 團隊開發的第一個開源萬億參數思維模型。繼 Ling-1T 的成功之后，Ring-1T將Ling 2.0架構擴展至萬億級別，結合了密集級別的推理品質與有效的MoE啟用。通過新引入的冰棒算法和ASystem 實現穩定的大規模強化學習，它將開源深層推理推向了一個新的前沿——從數學與編程到複雜的自然語言推理。

使用SiliconFlow的Ring-1T API，您可以期待：

競爭力價格： $0.57/百萬對數（輸入）和 $2.28/百萬對數（輸出）。
萬億參數MoE架構： 總共1T參數，每個參數約50B活躍，提供密集級別的推理能力並有效運用資源。
穩定的強化學習： 由冰棒算法和ASystem驅動，實現了跨萬億規模MoE模型的平穩長期強化學習訓練。
高級推理與數學： 在2025年IMO達到銀牌水準表現，展示了世界級的數學和邏輯推理能力。
131K上下文窗口： 支持長文本文件分析和多次推理，並保持穩定的效能和低延遲。

無論您正在開發分析系統、教育應用或基於推理的代理，您現在可以直接通過SiliconFlow的API訪問Ring-1T以推動您的下一代解決方案。

為什麼Ring-1T很重要

演變的深層推理能力

由螞蟻集團的inclusionAI團隊開發，Ring-1T代表了一個萬億級推理的新里程碑。

與其預覽版本相比，它在數學、編程和邏輯推理方面提供了更平衡和穩健的表現，在包括 AIME 25、HMMT 25、LiveCodeBench、CodeForce、ARC-AGI-1 及 Arena-Hard-v2.0 在內的主要基準測試中實現了最先進的開源成果。

為確保公平，Ring-1T在預訓練、微調和強化學習階段進行了文本和語義的去污染。

在2025年IMO和2025年ICPC世界總決賽上的結果進一步驗證了其深層推理強度，模型達到了銀牌水準的數學表現，並解決了十二道ICPC問題中的五道——媲美於像Gemini-2.5-Pro和GPT-5-Thinking等頂級封閉式系統。

要了解Ring-1T如何在實際中處理數學推理，我們給它出了一道基於邏輯的坐標問題。它逐步分析了條件，清楚地解釋了其推理過程，並以完全一致的邏輯得出了正確的答案——這是一個簡明示例，展示了其結構化和透明的思維過程。

下面是提示和推理演示：

Let A={1,2,3,4,5,6,7,8}A = \{1, 2, 3, 4, 5, 6, 7, 8\}A={1,2,3,4,5,6,7,8}, and
M={(xi,yi)∣xi∈A, yi∈A}M = \{(x_i, y_i) \mid x_i \in A,\, y_i \in A\}M={(xi,yi)∣xi∈A,yi∈A}.
Select nnn ordered pairs from MMM to form a sequence:
(x1,y1),…,(xn,yn)(x_1, y_1), \ldots, (x_n, y_n)(x1,y1),…,(xn,yn)
where each pair of adjacent terms (xi,yi)(x_i, y_i)(xi,yi) and (xi+1,yi+1)(x_{i+1}, y_{i+1})(xi+1,yi+1) satisfies either
{∣xi+1−xi∣=3∣yi+1−yi∣=4or{∣xi+1−xi∣=4∣yi+1−yi∣=3\begin{cases} |x_{i+1} - x_i| = 3 \\ |y_{i+1} - y_i| = 4 \end{cases} \quad \text{or} \quad \begin{cases} |x_{i+1} - x_i| = 4 \\ |y_{i+1} - y_i| = 3 \end{cases}{∣xi+1−xi∣=3∣yi+1−yi∣=4or{∣xi+1−xi∣=4∣yi+1−yi∣=3
Such a sequence is called a k-sequence.
If the first term of a k-sequence is (3,3)(3, 3)(3,3), find the possible second

與冰棒一起的穩定強化學習

Ring-1T通過inclusionAI團隊的冰棒算法和ASystem實現其卓越的性能，這是一個專為萬億參數MoE模型設計的自研強化學習基礎設施。

冰棒引入了 掩蔽雙向截斷校正，有效縮小了訓練與推理之間的鴻溝，並阻止了傳統GRPO算法中出現的崩潰。

這保證了長期穩定性和一致的推理品質，即使在延長的訓練周期中也是如此。

實際應用場景

憑藉萬億規模的推理能力和長上下文理解能力，Ring-1T協助開發者、研究人員和企業處理需要準確性、一致性和深度分析能力的實際任務。

複雜問題解決與分析推理 使用Ring-1T處理高級邏輯或定量任務——從數學證明生成到結構化分析報告，以可解釋的推理鏈和逐步明晰完成。
代碼智能與系統優化 將Ring-1T整合到您的開發工作流程中，用於多步代碼生成、調試和算法設計。在 LiveCodeBench 和 ICPC 2025 的強悍表現，確保生產級代碼代理的可靠推理。
代理工作流與自主計劃 構建能夠計劃、推理和自動做出決策的AI代理。Ring-1T的 131K上下文窗口 和穩定的RL基石與現實世界複雜環境中的一致多輪推理。
教育與知識驅動應用 實現有智慧的輔導、訓練或知識評估系統，清晰地解釋邏輯和數學推理——對於教育平台和企業學習工具理想。

從前沿研究到實際部署，Ring-1T將深層推理和可靠的智能帶到下一代應用中——現在完全可通過SiliconFlow的生產級API獲得。

立即開始

探索：在 SiliconFlow 的遊樂場試用Ring-1T。
集成：使用我們OpenAI兼容的API。在SiliconFlow API文檔中探索完整的API規格。

import requests

url = "https://api.siliconflow.com/v1/chat/completions"

payload = {
    "model": "inclusionAI/Ring-1T",
    "messages": [
        {
            "role": "user",
            "content": "Tell me a story"
        }
    ],
    "stream": True,
    "max_tokens": 4096,
    "enable_thinking": False,
    "thinking_budget": 4096,
    "min_p": 0.05,
    "stop": [],
    "temperature": 0.7,
    "top_p": 0.7,
    "top_k": 50,
    "frequency_penalty": 0.5,
    "n": 1,
    "response_format": { "type": "text" },
    "tools": [
        {
            "type": "function",
            "function": {
                "description": "<string>",
                "name": "<string>",
                "parameters": {},
                "strict": False
            }
        }
    ]
}
headers = {
    "Authorization": "Bearer <token>",
    "Content-Type": "application/json"
}

response = requests.post(url, json=payload, headers=headers)

print(response.json())