蚂蚁开源万亿参数即时模型Ling-2.5-1T 普惠AGI再添新引擎

蚂蚁开源万亿参数即时模型Ling-2.5-1T 普惠AGI再添新引擎

2月16日，蚂蚁正式发布并开源旗下百灵家族最新旗舰级即时模型Ling-2.5-1T，这是一款参数规模达万亿级的大模型产品。不同于主打智能上限的深度思考模型，即时模型以效率与效果的平衡为核心，本次Ling-2.5-1T在模型架构、token效率、偏好对齐等多维度实现全面升级，旨在推动通用人工智能（AGI）向更普惠的方向落地。

在大模型的发展赛道上，一直存在两条并行的技术路线：一类是聚焦复杂推理、拉升智能上限的深度思考模型，这类模型在数学证明、复杂代码生成等高端任务中表现突出，但高昂的部署成本和计算门槛，让其难以实现大规模普惠性落地；另一类则是主打效率与效果平衡的即时模型，这类模型更注重响应速度、成本控制和场景适配性，成为推动AGI走进千行百业的核心载体。

作为蚂蚁百灵家族的最新旗舰，Ling-2.5-1T正是即时模型路线的一次重磅升级。其万亿级的总参数规模，在当前即时模型阵营中处于第一梯队，但与传统稠密大模型不同，Ling-2.5-1T采用了优化后的稀疏激活架构，通过动态激活关键神经元组，在维持大模型智能密度的同时，大幅降低了实际推理时的计算负载——这意味着它既能拥有大模型的复杂任务处理能力，又能保持即时模型的快速响应特性，无需依赖超大规模算力集群即可高效部署。

在token效率层面，Ling-2.5-1T的提升同样显著。它支持百万级上下文窗口，能够一次性处理更长的文本序列，无论是长达数万字的合同文档分析、多轮嵌套的复杂客户对话，还是跨章节的代码项目生成，都无需将任务拆分处理，不仅提升了任务完成的连贯性，也避免了分段推理可能带来的信息损耗，让模型输出的准确性和完整性更上一层楼。

偏好对齐的优化，则让Ling-2.5-1T更懂人类需求。通过迭代升级的对齐训练框架，模型在多场景下的输出更贴合用户的真实意图，尤其在金融服务、数字生活等蚂蚁深耕的场景中，它能精准把握合规边界与用户需求的平衡：比如智能理财顾问能基于用户的风险偏好和市场动态，给出更贴合个人情况的配置建议；智能客服则能快速理解用户的复杂诉求，提供一步到位的解决方案。

当前，大模型行业正从“参数竞赛”转向“落地实效”的深水区，越来越多的企业意识到，AGI的价值不在于少数场景的极致表现，而在于能否成为中小企业和开发者可负担、易使用的数字化工具。蚂蚁此次开源Ling-2.5-1T，正是瞄准了这一趋势：通过开放万亿参数级的即时模型能力，开发者可以基于该模型快速进行二次开发，适配零售、物流、医疗等多样化行业场景；中小公司则无需从零搭建大模型技术栈，就能低成本接入高端智能服务。

从技术演进的角度看，Ling-2.5-1T的推出，也进一步完善了即时模型的技术边界。它证明了大模型可以在参数规模、推理效率、场景适配性之间找到最优解，为后续的即时模型研发提供了可参考的技术范式。

随着Ling-2.5-1T的开源，AGI普惠化的进程又向前推进了一步。未来，我们或许能看到更多基于这款模型的创新应用涌现，从身边的智能客服到企业的数字化转型，万亿参数级的智能能力将不再遥不可及，真正成为推动各行各业智能化升级的核心动力。