Anthropic推了Claude4.5，DeepSeek更了V3.2，OpenAI不光上线Sora2，还入股了AMD，连DevDay都办了，要搞AI操作系统。

结果蚂蚁更猛，9月30号直接开源全球首个万亿参数推理大模型Ring-1T-preview，10月9号又甩出旗舰非思考模型Ling-1T。

十天时间，国内万亿参数俱乐部原来就KimiK2、Qwen3-Max两家，现在直接变成三家。

说实话，这节奏快得让人有点反应不过来，感觉蚂蚁是憋着一股劲，要在Q4一开始就定调。

十天俩万亿！蚂蚁这波操作，直接改写国内AI格局？

先说说这俩模型的“硬实力”，本来想觉得万亿参数只是个噱头，后来发现还真不是。

这两款模型都用了蚂蚁自研的Ling2.0架构，训练时用的语料库超20T，里面全是高质量内容，比不少同行的10-15T语料规模多了不少。

语料多不多，直接影响模型理解深度，这点懂行的都清楚。

再看实际能力表现，官方放了横评数据，Ling-1T跟DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905这些国内外主流模型比，在代码生成、软件开发、竞赛数学这些推理测试里，大部分项目都领先。

Ring-1T-preview更厉害，作为思考模型，纯自然语言推理能力快追上GPT-5withthinking（还不用工具），尤其是在CodeForces这种竞赛级代码生成任务里，直接拿了最高分。

CodeForces这榜单可不是闹着玩的，之前长期被GPT-4o、Claude4这些海外模型霸占，国内模型能登顶，还是挺提气的。

现在蚂蚁还在测ICPC、CCPC这些更难的编程竞赛，想把这模型的潜力再挖挖。

老实讲，之前总听人说国内大模型在高端推理上不如国外，这次蚂蚁算是用数据反驳了一把。

讲完模型本身，再回头看发布节奏，其实蚂蚁早有准备，今年5月27号的技术日上，百灵团队就说在练一个Max级模型，要等能力比肩DeepSeek再发。

四个月后这俩模型落地，也算兑现了当时的说法，如此看来，蚂蚁不是临时起意，而是早就规划好了路线，就等技术成熟再亮牌。

为啥蚂蚁能搞出万亿模型？这俩“秘密武器”是关键

很多人疑惑，现在行业里不少人都说ScalingLaw遇到瓶颈了，参数再大也难提升能力，蚂蚁为啥还能搞出万亿模型？这里就得提蚂蚁的“非共识”观点，百灵团队负责人周俊说，Scaling这事儿还没终结。

支撑这个观点的，是蚂蚁自己搞的两项技术，一个是LingScalingLaw，能自动算最优参数配置，还能精准外推预测，帮团队选架构，就算计算量巨大，架构效率也能保持住，另一个是WSM调度器，替代了传统的WSD调度器。

之前传统调度器在参数超5000亿后，训练损失值波动能超15%，不稳定得很，WSM调度器通过Merge阶段平滑整合参数，把波动控制在5%以内，训练效率还提了不少。

这俩技术可不是花架子，Ring-1T和Ling-1T能做到万亿参数，全靠它们。

很显然，蚂蚁不是盲目堆参数，而是有技术支撑的，这跟那些只追求参数数字的做法不一样。

而且蚂蚁还解决了万亿模型的一个大痛点，能耗，本来想觉得参数越大，能耗肯定越高，中小企业根本用不起。

后来发现蚂蚁让模型保持了高稀疏性，就说Ling-1T，每个token只激活51B参数，再加上“中训练+后训练”的Evo-CoT，推理效率提上去了，能耗却降成了百亿级水平。

搞不清那些还在为高能耗头疼的企业，会不会参考蚂蚁这招，毕竟能让中小企业用得起万亿模型，才是真的推动行业进步。

有了技术和低能耗，蚂蚁的布局还不止于此，它还搭了个百灵大模型家族，分工特别明确：Ling是基础大语言模型，Ring管推理，Ming做多模态，还分视频、音频子系列。

尺寸也全，从10B到1T，有mini、flash、lite版本，比如16B的Ring-mini-2.0，2.8B的Ming-lite-omni。

Ming-lite-omni挺有意思，是社区少有的全模态模型，2.8B激活参数就能比肩GPT-4o，现在在HuggingFace下载量都超50万次了，比同类中小参数模型火多了。

不同尺寸对应不同场景，1T级服务金融、工业这些核心领域，10-100B级给中小企业做客服、内容生成，10B以下的嵌到智能硬件里，覆盖得特别全。

更关键的是蚂蚁的开源策略，它所有模型都是“真开源”，没有等待期，核心代码都开放。

在HuggingFace的InclusionAI里，14个collection加数十个工具，涵盖了好几个技术领域。

现在已经有200多家企业基于这些开源模型二次开发了，这比那些搞“半开源”“有等待期开源”的企业实在多了。

蚂蚁CEO韩歆毅说过，做基础大模型是为了追求智能上限，支撑更好的AI应用。

如此看来，开源就是让生态帮着迭代模型，开发者反馈能补漏洞，企业二次开发能拓展场景，双向赋能，挺聪明的。

另外蚂蚁还同步推了Agent产品，三大AI管家，AQ、蚂小财、AI生活管家，AQ有独立APP，蚂小财嵌在蚂蚁财富里。

本来想觉得这就是普通的“AI+传统功能”，后来发现蚂蚁是按“AI原生”来做的，把它们当新物种，不是简单加个AI模块。

就说蚂小财，上线三个月，帮500多万用户做理财建议，用户收益率比行业平均高不少，这说明模型能力真的落地了。

还有“百宝箱”平台，能聚合调度多智能体，再加上InclusionAI社区，蚂蚁这是从模型到产品再到生态，全链路都铺好了。

如此看来，蚂蚁这波不是单纯发两个模型，而是把自己的AGI路线图亮了出来。

深耕超大参数模型、拥抱开源、做Agent产品，都是为了推智能上限、找场景落地。

对整个AGI生态来说，这不仅是多了两个万亿模型，更打破了“ScalingLaw遇瓶颈”的固有认知，给国内AI企业指了另一条路。

以后开发者和企业，既能低成本用万亿模型，又能基于国产模型做应用，说不定国内AI行业的格局，都会因为蚂蚁这波操作而变一变。