關於Ring-1T
Ring-1T 是一個開源的、萬億參數的思考模型，由白鈴團隊發佈。該模型建立在 Ling 2.0 架構和 Ling-1T-base 基礎模型之上，擁有 1 萬億個總參數，其中包括 500 億個被激活的參數，支持高達 131K tokens 的上下文窗口。模型在大型驗證獎勵強化學習（RLVR）的支持下，結合自主開發的冰棒強化學習穩定化方法和高效的 ASystem RL 框架，大大增強了深度推理和自然語言推理能力。Ring-1T 在挑戰性推理基準上取得了領先的開源性能，包括數學競賽（例如 IMO 2025）、代碼生成（例如 ICPC 世界總決賽 2025）以及邏輯推理。
探索 Ring-1T 的兆參數推理如何在不同領域中解決複雜的挑戰。
高等數學與證明
在複雜的數學挑戰中表現卓越，為理論物理、工程或競賽數學創建和驗證證明。
使用案例範例：
"解決了一個來自 IMO 2025 的困難數論問題，提供了一個嚴格的、逐步的證明，獲得了相當於銀牌的獎項。"
精英代碼與除錯
掌握算法編碼，識別微妙的邏輯錯誤，優化各種編程語言和系統架構的性能。
使用案例範例：
"調試了一個高性能 Rust 網頁伺服器中的關鍵並發錯誤，找出了確切的競態條件並建議采用原子操作修復。"
戰略因果分析
對龐大的數據集進行多步定量和定性分析，推斷因果關係，為商業或政策提供戰略建議。
使用案例範例：
"分析全球供應鏈數據和地緣政治事件，預測未來的中斷，為一家製造公司提供前瞻性風險緩解策略建議。"
形式系統驗證
審核複雜系統，從法律框架到工程設計圖，通過推理邏輯依賴關係識別不一致並確保合規。
使用案例範例：
"正式驗證了一個新區塊鏈共識機制的安全屬性，使用 Solidity 編寫，在部署前識別出重入漏洞。"
長上下文知識綜合
從大量文檔（最多 131K tokens）中綜合信息，生成全面的報告、文獻評論或法律摘要。
使用案例範例：
"匯總了數千篇有關罕見疾病的醫學研究論文，為製藥研發團隊在幾小時內產出一份簡明的、基於證據的評論。"
元數據
規格
狀態
Deprecated
架構
Ling 2.0 MoE
經過校準的
是
專家並行
是
總參數
1000B
啟用的參數
50B
推理
否
精度
FP8
上下文長度
131K
最大輸出長度
inclusionAI
chat
Ling-flash-2.0
總上下文：
131K
最大輸出：
131K
輸入：
$
0.14
/ M Tokens
輸出：
$
0.57
/ M Tokens
inclusionAI
chat
Ling-mini-2.0
總上下文：
131K
最大輸出：
131K
輸入：
$
0.07
/ M Tokens
輸出：
$
0.28
/ M Tokens
inclusionAI
chat
Ring-flash-2.0
總上下文：
131K
最大輸出：
131K
輸入：
$
0.14
/ M Tokens
輸出：
$
0.57
/ M Tokens
inclusionAI
chat
Ring-1T
總上下文：
131K
最大輸出：
輸入：
$
0.57
/ M Tokens
輸出：
$
2.28
/ M Tokens
inclusionAI
chat
Ling-1T
總上下文：
131K
最大輸出：
輸入：
$
0.57
/ M Tokens
輸出：
$
2.28
/ M Tokens
