炒股开户蚂蚁、OpenAI、DeepSeek卷疯了！国产最强万亿参数旗舰模型Ling-1T开源

（图片来源：拍摄于2025世界人工智能大会蚂蚁展台）炒股开户

刚刚，全球最新的万亿参数通用语言模型开源了。

10月9日消息，蚂蚁集团今天发布并开源万亿参数的通用语言模型 Ling-1T。

据悉，Ling-1T是蚂蚁百灵大模型Ling 2.0 系列的第一款旗舰模型，也是蚂蚁百灵团队迄今为止推出的规模最大、能力最强的非思考大模型。

基准测试数据显示，在有限输出Token条件下，Ling-1T于多项复杂推理基准中取得SOTA表现，同时在代码生成、软件开发、竞赛数学、专业数学、逻辑推理等多项高难度基准测试上，Ling-1T均取得领先成绩，多项指标位居开源模型的榜首。

以竞赛数学榜单 AIME 25为例。Ling-1T以平均4000+ Token的消耗达到了70.42%的准确率，优于Gemini-2.5-Pro，后者平均达5000+Tokens，准确率为70.10%。蚂蚁Ling-1T用更少的Token实现了更高的准确率，性价比优于Gemini系列，展现出在推理精度和思考效率综合能力上的优势。

不仅是蚂蚁，国庆中秋假期前后，OpenAI、、智谱、DeepSeek等中国和美国的AI大模型加速竞争。

OpenAI发布AI视频模型Sora2，并在开发者大会上公布GPT-5 Pro、ChatGPT框架Apps SDK等，引发全球关注；DeepSeek则发布DeepSeek-V3.2-Exp，全面适配国产算力卡，并且训练推理提效、API同步降价；阿里通义则发布新一代原生全模态大模型Qwen3-Omni，以及全开源通义DeepResearch模型、框架、方案等；智谱则发布旗舰模型GLM-4.6，并凭借SOTA的Agentic Coding能力，GLM-4.6登顶Hugging Face Trending 全球第一、LMArena 上排名开源第一、全球第四，与Qwen Max Preview（闭源）并列国内第⼀。

正如零一万物创始人、CEO李开复所说，底座基础模型是一场千亿级别公司的“军备竞赛”。

英伟达CEO黄仁勋则指出，过去六个月AI计算需求大幅上升，英伟达新一代架构Blackwell的芯片需求“非常非常高”。他认为这标志着“新一轮工业革命”开始。

英伟达上月宣布，计划未来十年向OpenAI共计投资1000亿美元，支持OpenAI部署需要10千兆瓦电力的英伟达系统，相当于400万至500万个GPU。

OpenAI CEO奥尔特曼（Sam Altman）周三表示，技术突破的关键在于更聪明的模型、更长的上下文处理能力和更好的记忆系统。AGI的核心在于发现新知识，AGI 最重要的衡量标准已不是通过某个测试，而是 AI 开始具备“发现新知识”并扩展人类知识边界的能力。

国产最强万亿参数旗舰模型来了

近年来，大语言模型发展迅速，尤其是DeepSeek热潮，引发学界和业界对通用人工智能（AGI）的广泛讨论，而混合专家（MoE）模型在特定任务中表现优异，但训练依赖高性能计算资源，成本高昂，限制了其在资源受限环境中的应用。

蚂蚁Ling团队认为，虽然MoE模型训练对高性能AI芯片（如H100和H800）需求大，且资源供应，但低性能加速器更易获取且单位成本效益高，因此，模型需要能在异构计算单元和分布式集群间切换的技术框架。同时在AI Infra部分，在跨集群、跨设备的兼容和可靠层面进行性能优化。该公司设定的目标是“不使用高级GPU”来扩展模型。

今年3月，蚂蚁集团Ling Team团队利用AI Infra技术开发两个百灵系列开源MoE模型Ling-Lite和Ling-Plus，前者参数规模168亿，Plus基座模型参数规模高达2900亿，引发广泛关注。

随后，蚂蚁还公布了语音 AI 框架 Ming‑UniAudio、新一代推理模型Ring-flash-2.0等模型产品。

目前，蚂蚁AGI团队主要由蚂蚁集团副总裁、首席技术官何征宇负责。据悉，何征宇获佐治亚理工学院计算机博士学位；2012年至2018年就职于谷歌，在谷歌创立并领导了开源项目gVisor；2018年何征宇加入蚂蚁集团，负责公司技术基础设施建设，主导了蚂蚁云原生化、绿色计算实践、机密计算创新、开源战略布局等重要项目，而最新的百灵大模型计划聚焦在生活服务、金融服务、医疗健康等场景。

如今，蚂蚁百灵大模型团队终于公布最新、全球性能较强的万亿参数非思考模型Ling-1T。

Ling-1T沿用Ling 2.0架构，在20T+tokens高质量、高推理浓度的语料上完成预训练，支持最高 128K 上下文窗口，通过“中训练+后训练”的演进式思维链（Evo-CoT）极大提升模型高效思考和精准推理能力。

值得一提的是，Ling-1T 全程采用 FP8 混合精度训练（部分技术已开源），是目前已知规模最大的使用 FP8 训练的基座模型。这一设计为训练带来了显著的显存节省、更灵活的并行切分策略和 15%+ 的端到端加速。

强化学习阶段，蚂蚁百灵团队创新性地提出了LPO方法(Linguistics-Unit Policy Optimization，LingPO) ，这是一种以“句子”为粒度的策略优化算法，为万亿参数模型的稳定训练提供了关键支持。另外，蚂蚁百灵团队提出了新的混合奖励机制，在确保代码正确、功能完善的同时持续提升这个万亿基座对视觉美学的认知。

在ArtifactsBench 前端能力基准上，Ling-1T得分达59.31，并且在可视化和前端开发任务领域以显著优势位居开源模型榜首。