關於Ling-1T
Ling-1T 是 Ling 2.0 系列中第一款旗舰非思维模型，具有 1 万亿个总参数，每个令牌约有 500 亿个活跃参数。基于 Ling 2.0 架构，Ling-1T 被设计用于突破高效推理和可扩展认知的极限。经过在 20 万亿+高质量、富含推理的令牌上预训练，Ling-1T-base 支持最长 131K 的上下文长度，并在中期训练和后期训练中采用进化思维链（Evo-CoT）过程。这一课程极大地提升了模型的效率和推理深度，使 Ling-1T 能够在多个复杂推理基准上实现最先进的性能——在精度和效率之间取得平衡。
探索 Ling-1T 高效、可扩展推理和万亿参数架构如何在不同产业中解决复杂挑战，保持准确性与无与伦比的效率之间的平衡。
AI 驱动的 UI/UX 生成
将抽象的设计概念和自然语言转化为功能性、美观且跨平台的前端代码，利用 Ling-1T 的视觉推理能力。
使用案例示例：
"生成了一个响应式的 React Native 用户界面，从 Figma 设计和自然语言提示中确保像素完美呈现和跨设备的最佳用户体验。"
企业代码库优化
分析拥有 131K 上下文长度的大型代码库，以识别架构缺陷、优化性能瓶颈并提供详细的重构策略。
使用案例示例：
"在 500K 行代码的分布式 Java 微服务架构中定位了一个关键竞争条件，提出了一个稳健且线程安全的解决方案，提高了系统的稳定性。"
自动化合规审计
通过广泛的法律文件和监管框架进行推理，以识别不一致、潜在风险，并确保符合复杂的合规标准。
使用案例示例：
"审计了一份100页的 GDPR 合规文件与公司的数据处理政策，标记了五个关键差异，并建议精确修订以完全符合标准。"
加速科学发现
分析大量科学文献和实验数据，以提出新的假设、验证理论，并以严谨的逐步推理草拟研究结果。
使用案例示例：
"处理了海量的基因组测序数据，以识别新的基因疾病关联，生成了一个统计显著的假设以供进一步实验验证。"
智能代理编排
解释高层次目标，将它们拆解为子任务，并编排多个专用工具或 API 以高工具调用精度自主地实现复杂目标。
使用案例示例：
"协调了一系列外部 API（CRM、营销自动化、分析）以执行个性化客户外展活动，并根据实时用户交互数据动态调整消息。"
元數據
規格
狀態
已棄用
架構
經過校準的
不
專家並行
是
總參數
1000B
啟用的參數
50B
推理
不
精度
FP8
上下文長度
131K
最大輸出長度
與其他模型比較
看看這個模型與其他模型的對比如何。
inclusionAI
聊天
Ling-flash-2.0
發行日期：2025年9月18日
總上下文：
131K
最大輸出：
131K
輸入：
$
0.14
/ M Tokens
輸出：
$
0.57
/ M Tokens
inclusionAI
聊天
Ling-mini-2.0
發行日期：2025年9月10日
總上下文：
131K
最大輸出：
131K
輸入：
$
0.07
/ M Tokens
輸出：
$
0.28
/ M Tokens
inclusionAI
聊天
Ring-flash-2.0
發行日期：2025年9月29日
總上下文：
131K
最大輸出：
131K
輸入：
$
0.14
/ M Tokens
輸出：
$
0.57
/ M Tokens
inclusionAI
聊天
Ling-1T
發行日期：2025年10月11日
總上下文：
131K
最大輸出：
輸入：
$
0.57
/ M Tokens
輸出：
$
2.28
/ M Tokens
inclusionAI
聊天
Ring-1T
發行日期：2025年10月14日
總上下文：
131K
最大輸出：
輸入：
$
0.57
/ M Tokens
輸出：
$
2.28
/ M Tokens
