螞蟻集團擴展開放式人工智能模型，推出 Ling-2.5-1T 和 Ring-2.5-1T

探索頂尖金融科技新聞與活動！

訂閱金融科技週刊的電子報

由摩根大通、Coinbase、貝萊德、Klarna 等高管閱讀

大型金融科技公司內部的人工智慧發展正邁入新階段。螞蟻集團已釋出兩個萬億參數的AI模型，採用開放授權，擴展其Ling模型系列，並象徵持續投資於與金融及數位服務相關的高階推理系統。

這家總部位於杭州的金融科技公司宣布推出Ling-2.5-1T，一款設計用於高效推理與代理互動的大型語言模型，以及Ring-2.5-1T，被描述為首個混合線性架構思考模型。這兩個系統皆基於2025年10月推出的Ling 2.0系列，並在Hugging Face與ModelScope兩個廣泛使用的開放AI平台上提供。

這些發布是螞蟻集團整體開放AI產品組合的擴展，該組合還包括Ming多模態系列。本月早些時候，該公司推出了Ming-Flash-Omni-2.0，一個能處理語音、音頻與音樂的統一模型。

萬億參數模型專注於高效推理

Ling-2.5-1T是螞蟻集團Ling系列通用語言模型的最新旗艦。公司資料描述其在推理效率與偏好對齊方面的改進，以及對原生代理互動的支持。該模型接受長達一百萬個tokens的上下文長度，能進行長篇分析與延伸對話任務。

效率提升似乎是此次更新的核心。 螞蟻集團表示，Ling-2.5-1T在AIME 2026基準測試中，性能與前沿推理模型相當，但所需tokens明顯較少。類似系統通常需要15,000至23,000 tokens來達到相似效果。公司稱Ling-2.5-1T約用掉5,890 tokens。

降低tokens用量影響計算成本與反應速度。在企業部署中，這樣的改進可以降低推理費用，並支持更大規模的應用。金融科技公司經常處理大量語言任務，如合規分析、客戶互動與文件審查。因此，效率具有操作上的重要意義。

Ring-2.5-1T專注於高階數學推理

Ring-2.5-1T屬於螞蟻集團的推理優化Ring系列。該模型採用公司稱為混合線性架構，旨在改善結構化問題解決能力。螞蟻集團報告其在學術數學基準測試中取得高分，包括在國際比賽中達到金牌標準。

在2025年國際數學奧林匹克（IMO）基準測試中，Ring-2.5-1T得分為35分（滿分42）。在2025年中國數學奧林匹克（CMO）基準測試中，得分為105分（滿分126），高於國家隊的分數線。這類測試評估多步推理與符號操作，而非一般語言流暢度。

在此領域的優異表現，顯示專門推理系統的進展。數學基準已成為評估大型模型推理能力的參考點。這些改進可能轉化為需要結構化分析的應用，如金融建模、風險評估或科學計算。

Ling模型家族的擴展

Ling系列，也稱為白靈（BaiLing），現已包含三條主要線：Ling通用語言模型、Ring推理模型與Ming多模態系統。二月的發布在短時間內更新了每一條線。螞蟻集團將這些發布描述為整個開放模型家族的全面升級。

開放式分發仍是策略的重要元素。通過在開放授權下釋出模型，螞蟻集團允許研究人員與開發者存取並調整模型。開源AI已成為主要科技公司與研究團體之間的競爭領域。在Hugging Face與ModelScope上的可用性，將模型置於全球開發社群中。

對金融科技公司而言，開放模型能加速生態系統的採用。外部開發者可以建立針對行業任務的應用，擴展實用案例，無需直接由供應商開發。螞蟻集團在支付與數位金融平台上也採用類似策略，鼓勵第三方整合。

多模態發展：Ming-Flash-Omni-2.0

Ling與Ring的發布緊接著2月11日推出的Ming-Flash-Omni-2.0。螞蟻集團描述該模型為首個在單一架構中整合語音、音頻與音樂的模型。多模態系統整合多種資料類型，實現語音、聲音與文字的互動。

此能力對金融服務界面具有相關性。語音助手、音頻認證與對話式銀行工具都依賴多模態處理。將多種模態整合到一個模型中，可簡化部署與跨渠道協調。螞蟻集團未披露Ming-Flash-Omni-2.0的基準測試比較，但將其定位為大型全能模型。

三個模型系列的發布時間點，顯示出協調開發而非孤立更新。Ling、Ring與Ming共同涵蓋語言、推理與多模態互動，符合企業AI部署所需的多重認知功能。

金融科技公司內部的AI發展

大型金融科技公司越來越多建立專屬的AI基礎設施。支付平台、數位銀行與金融市場產生大量資料流，並運作複雜的風險系統。內部AI模型能大規模處理交易資料、客戶溝通與合規記錄。

螞蟻集團多年來投資AI研究，應用機器學習於詐騙偵測、信用評估與服務自動化。Ling家族將此能力擴展至通用與推理專用語言模型。開放釋出則擴大了其應用範圍，超越內部使用。

這一策略反映科技驅動金融公司的整體趨勢。AI發展不再僅限於專門預測模型，也包括能執行多任務的大型語言與推理系統。這些模型能支援自動代理、決策分析與對話界面。

邁向人工通用智慧（AGI）研究

螞蟻集團將Ling系列升級描述為邁向人工通用智慧（AGI）的進展。AGI指能執行廣泛認知任務、具有人類推理類似適應性的系統。行業定義多樣，AGI仍是理想目標而非明確里程碑。

釋出萬億參數模型，有助於擴大研究規模。參數數量本身並不決定能力，但大型模型通常能進行更廣泛的表徵學習。結合推理架構實驗與多模態整合，這些工作探索通向通用系統的途徑。

螞蟻集團未具體說明AGI的時間表或指標。公司將這些釋出描述為持續研究的步驟，而非已達成通用智慧的聲稱。公開模型讓外部評估與比較成為可能，有助於指引研究方向。

企業AI部署的影響

新模型可能影響金融及其他行業的企業AI採用。長上下文語言模型能分析長篇文件與交易歷史。推理導向系統支持結構化評估任務。多模態模型則能實現語音驅動的互動。

開放存取讓企業能在無專利授權障礙下測試這些能力。公司可以微調模型，應用於合規監控、合約分析或客戶支援自動化等專業任務。Ling-2.5-1T的較少tokens用量，也可能降低大規模部署的運營成本。

數學基準的良好表現，顯示其在分析任務上的潛力，但轉化為實務應用仍需調整。企業通常會將基礎模型與專用資料與控制系統結合。螞蟻集團的開放釋出提供了起點架構，而非完整的企業解決方案。

開放AI模型的競爭格局

開放AI模型已成為科技公司與研究團體之間的競爭舞台。企業釋出越來越大、越來越強的系統，以吸引開發者生態系與影響標準。主要資料庫上的可用性促進採用與實驗。

螞蟻集團的釋出，將其定位為全球開放大型模型的貢獻者之一。金融科技公司歷來多依賴外部開發的AI工具。建立並釋出基礎模型，象徵向內部創新與外部影響的轉變。

Ling-2.5-1T與Ring-2.5-1T的推出，具有超越技術指標的策略意義。它們展現了在金融科技組織內持續投資大型AI研究的決心，以及願意與更廣泛的開發社群分享成果。

展望

螞蟻集團最新的Ling系列更新，擴展了其在語言、推理與多模態領域的開放AI產品組合。這些發布強調效率、結構化問題解決與跨模態整合。公開可用性促使外部評估與應用。

隨著金融科技公司深化AI投資，基礎模型的開發正逐漸成為其技術架構的一部分。螞蟻集團的萬億參數模型，正是這一轉變的體現。實際影響將取決於開發者與企業如何在金融分析、數位互動等實務任務中應用這些系統。

目前來看，Ling-2.5-1T與Ring-2.5-1T的推出，標誌著先進AI研究在金融科技行業及其開放創新生態系中的又一進展。