Ling-1T现已在SiliconFlow上推出：高效推理的万亿级飞跃

2025年10月16日

简言之：Ling-1T，Ling 2.0系列中的第一个旗舰无思考模型，现在在SiliconFlow上线。为有效的万亿规模推理而构建，具有1万亿总参数，每个token大约有500亿个活跃参数，并且Evo-CoT训练用于更深入、更快速的推理。在数学、代码和前端任务方面提供最先进的性能，Ling-1T重新定义了精度、速度和成本效益之间的平衡。
今天就开始使用SiliconFlow的生产就绪API进行构建，该API完全兼容OpenAI/Anthropic，并准备集成到您现有的工作流程中！

今天，我们在SiliconFlow上推出Ling-1T——Ling 2.0系列中的第一个旗舰无思考模型。通过1万亿参数构建，每个token约有500亿个活跃参数，它经过优化以在复杂任务中实现高效推理。它还擅长将复杂的自然语言描述转换为可执行代码，解决比赛级别的数学问题，并生成平衡美观和功能的前端界面。更重要的是，它通过更短的推理链实现了更高的精度，这意味着更快的响应、更低的成本和更可靠的输出。

利用SiliconFlow的Ling-1T API，您可以期待：

有竞争力的定价：Ling-1T $0.57/M tokens（Input）和$2.28/M tokens（Output）。
扩展的上下文窗口：131K上下文窗口允许您处理更长的文档并在复杂任务中保持上下文。
高效的MoE架构：1万亿总参数，每个token约500亿个活跃参数，提供强大的推理能力而无需全面密集模型的计算负担。
Evo-CoT优化：在20万亿以上高质量、推理密集的tokens上进行预训练，通过进化链思维过程（Evo-CoT）增强多步问题解决能力。

关键特性和基准性能

推理是智能的基石。Ling-1T通过将高效推理与创造性生成相结合进一步推进，擅长于两个关键维度：

审美理解和前端生成
- 将想法转化为优雅的前端代码：Ling-1T翻译UI意图并将自然语言转换为简洁、功能性界面。
- 代码看起来和运行效果一样好：其混合语法–功能–美学奖励系统确保每行代码平衡正确性、可用性和视觉吸引力。
- 在ArtifactsBench中排名第一：Ling-1T在前端生成方面表现出色。向下滚动查看通过SiliconFlow API创建的演示。

万亿规模的新兴智能
- 随智能扩展：在万亿规模中揭示出新兴的推理和迁移能力，在BFCL V3上实现约70%的工具调用准确率，调整最少。
- 理解您的意图：精确解释复杂的自然语言指令，将意图与推理对齐，生成可靠的、目标导向的响应。
- 连接逻辑和设计：将抽象想法或推理步骤转化为功能性视觉组件，帮助您更快地用更简洁的逻辑进行原型设计。
- 跨平台构建：生成响应性、跨平台的前端代码，可以通过最少的调整准备部署。
- 以风格和上下文写作：生成符合您的语调、受众和品牌标识的营销文案和多语言Text。

为了确保公平和全面的评估，Ling-1T也与开源和闭源的旗舰模型进行了基准测试——包括DeepSeek-V3.1-Terminus，Kimi-K2-Instruct-0905，GPT-5-main，和Gemini-2.5-Pro。

在代码生成、软件开发、竞赛级别数学、专业数学和逻辑推理方面，Ling-1T始终展现出卓越的复杂推理性能，并相较于这些领先模型表现出明显的整体优势。

在AIME 25基准测试中，Ling-1T扩展了推理精度与推理长度的帕累托前沿，以更少的推理步骤实现更高的精度。

对于从事复杂推理、数学分析或多步问题的开发人员而言，这意味着更快的结果和更高的精度。

模型架构与训练

关键架构创新：

基于Ling 2.0架构构建并由Ling缩放定律指导，Ling-1T从头设计以实现万亿规模的效率，确保在任何规模下稳定的推理性能：

1T总数/50B活跃参数，具有1/32 MoE激活比率
MTP层用于增强的组合推理
无辅助损失、Sigmoid评分专家路由与零均值更新
QK规范化用于完全稳定的收敛

训练效率：

Ling-1T利用FP8混合精度训练，使其成为以这种方式训练的已知最大基础模型。结合异质流水线优化和WSM学习率调度器，训练在保持万亿级稳定性的同时，实现了超过40%的端到端加速。

预训练：

在20万亿以上的高质量tokens上进行预训练，其中超过40%专用于推理密集数据。这个基础赋予Ling-1T在逻辑、多步问题解决和复杂分析方面的天然优势。

为了进一步增强这些能力，在中期训练期间集成了精心策划的链思维数据，提高了推理稳定性和泛化能力。

后训练：

Ling-1T通过高级优化继续优化其推理能力：

Evo-CoT（进化链思维）：逐步提高推理精度和效率，以更少的计算步骤实现更逻辑的思考。
LPO（语言单元策略优化）：在句子级别优化学习，将奖励与自然语言意义而不是token序列对齐。

立即开始

1. 探索：在Ling-1T中试用SiliconFlow 模型广场。
2. 集成：使用我们的OpenAI兼容API。在SiliconFlow API 文档中探索完整的API规范。

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "model": "inclusionAI/Ling-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())

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "model": "inclusionAI/Ling-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())

import requestsurl = "https://api.siliconflow.com/v1/chat/completions"payload = {    "model": "inclusionAI/Ling-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())

今天通过SiliconFlow的生产就绪API开始使用Ling-1T进行构建——提供万亿规模的推理，具有高效性和可靠性。

商务或销售咨询 →

立即加入我们的Discord社区 →

在X上关注我们以获取最新更新 →

探索SiliconFlow上的所有可用模型 →

上一个