Ring-1T 现已在 SiliconFlow 上推出：世界上第一款开源万亿参数思维模型

总结: Ring-1T — 世界上第一个开源的万亿参数思维模型 — 现已在SiliconFlow上上线。基于Ling 2.0架构（总计1T / 活跃参数50B, 131K上下文），它引入了Icepop算法和ASystem，用于支持大规模MoE模型的稳定强化学习。实现了IMO 2025的银牌级别表现，Ring-1T为开源深度推理设立了新的标杆。

现在，通过SiliconFlow的生产就绪API，立即开始使用Ring-1T进行构建！

今天，我们很高兴将 Ring-1T 引入SiliconFlow — 由蚂蚁集团的inclusionAI团队开发的第一个开源万亿参数思维模型。继 Ling-1T的成功之后，Ring-1T将Ling 2.0架构扩展到万亿规模，结合了高密度推理质量和高效的MoE激活。通过新引入的Icepop算法 和ASystem 大规模稳定强化学习，它将开源深度推理推向了新的前沿 — 从数学和编程到复杂自然语言推理。

借助SiliconFlow的Ring-1T API，您可以期待：

• 具有竞争力的价格： $0.57/M tokens （Input）和$2.28/M tokens （Output）。

• 万亿参数MoE架构： 总计1T参数，每个token约50B活跃参数，提供高密度推理能力和高效资源利用。

• 稳定的强化学习： 由Icepop算法和ASystem驱动，支持跨越万亿规模MoE模型的平滑长期RL训练。

• 高级推理和数学： 在IMO 2025上达到银牌级别的表现，展示出世界级的数学和逻辑推理能力。

• 131K上下文窗口： 支持长上下文文档分析和多轮推理，性能稳定且延迟低。

无论您是在开发分析系统、教育应用，还是基于推理的代理，您现在都可以直接通过SiliconFlow的API访问Ring-1T，为您的下一代解决方案提供动力。

为什么Ring-1T很重要

进化的深度推理能力

由蚂蚁集团的inclusionAI团队开发的Ring-1T代表了万亿规模推理的新里程碑。

与其预览版本相比，它在数学、编程和逻辑推理方面提供了更加平衡和稳健的性能 —— 在包括AIME 25, HMMT 25, LiveCodeBench, CodeForce, ARC-AGI-1和Arena-Hard-v2.0等领先基准上实现了最先进的开源结果。

为了确保公平性，Ring-1T在预训练、微调和强化学习阶段进行了字符和语义去污染。

其在IMO 2025和ICPC世界总决赛2025上的结果进一步验证了其深度推理实力，模型达到了银牌级别的数学表现并解决了十二道ICPC题中的五道 —— 比肩顶级闭源系统如Gemini-2.5-Pro和GPT-5-Thinking。

为了展示Ring-1T实际处理数学推理的能力，我们给出了一个基于逻辑的坐标问题。它逐步分解了条件，清晰地解释了其推理过程，并以全程一致性得出了正确答案 — 这充分展示了其结构化、透明的思维过程。

以下是提示和推理演示：

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

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

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

使用Icepop稳定强化学习

Ring-1T通过inclusionAI团队的Icepop算法和ASystem实现其卓越的性能，这是专为万亿参数MoE模型开发的自有强化学习基础设施。

Icepop引入了屏蔽双向截断校正，有效缩小训练与推理之间的差距，防止在传统GRPO算法中出现的崩溃。

这确保了长期稳定性和一致的推理质量，即便在延长的训练周期中也是如此。

现实应用场景

由万亿规模推理和长上下文理解驱动，Ring-1T帮助开发者、研究人员和企业解决真实世界中需要准确性、一致性和深度分析能力的任务。

• 复杂问题解决和分析推理 使用Ring-1T处理高级逻辑或定量任务 — 从数学证明生成到结构化分析报告 — 具有可解释的推理链和分步清晰度。

• 代码智能和系统优化 将Ring-1T集成到您的开发工作流中，用于多步骤代码生成、调试和算法设计。它在LiveCodeBench和ICPC 2025上的强大表现确保了生产级代码代理的可靠推理。

• 自主工作流和自主规划 构建能够自主计划、推理及决策的AI代理。Ring-1T的131K上下文窗口和稳定的RL支撑使其在复杂的真实世界环境中提供一致的多轮推理。

• 教育和知识驱动应用 助力智能辅导、培训或知识评估系统，清晰解释逻辑和数学推理 — 非常适合教育平台和企业学习工具。

从高级研究到现实世界的部署，Ring-1T为新一代应用带来了深度推理和可靠智能 — 现已通过SiliconFlow的生产就绪API全面提供。

立即开始

1. 探索：在SiliconFlow 模型广场尝试Ring-1T。

2. 集成：使用我们的OpenAI兼容API。在SiliconFlow API文档中查看完整的API规范。

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())

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())

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())

准备探索万亿规模的推理了吗？

现在通过SiliconFlow上访问Ring-1T并将深度、可解释的智能直接集成到您的工作流中。

• 商业或销售咨询 →

• 立即加入我们的Discord社区 →

• 在X上关注我们以获取最新更新 →

• 在SiliconFlow上探索所有可用模型 →