人工智能領域迎來重要進展，螞蟻集團旗下“百靈”團隊宣布開源其自主研發的萬億參數大模型——Ling-1T。該模型采用FP8低精度訓練技術，成為當前已知規模最大的基座模型，其參數總量達1萬億級，標志著大模型技術進入新的發展階段。
Ling-1T隸屬于螞蟻集團構建的Ling2.0模型家族，該家族包含三大分支：Ling系列主打通用任務處理，以高效運算見長；Ring系列側重復雜邏輯推理，強化深度思考能力；Ming系列作為多模態模型，支持文本、圖像、視頻等多元信息處理。這種分層設計使不同場景的需求得到精準匹配。
技術層面，Ling-1T通過動態參數激活機制實現高效運算。盡管模型總參數達萬億規模，但在處理每個token時，實際參與計算的參數僅約500億，這種“稀疏激活”策略顯著降低了算力消耗。研發團隊提出的“Ling縮放定律”基于300余次模型實驗，揭示了計算效率與專家模塊激活比例之間的量化關系，為超大規模模型訓練提供了理論支撐。
訓練體系方面，模型采用三階段漸進式優化：預訓練階段攝入超過20萬億token的海量數據，重點構建基礎語義理解能力；中訓練階段通過強化學習提升邏輯推理精度；后訓練階段引入“演進式思維鏈”技術，使模型具備自我迭代能力。這種分階段訓練策略確保了模型在保持效率的同時，逐步突破復雜任務處理瓶頸。
性能測試顯示，Ling-1T在數學推理和代碼生成等核心領域表現突出。對比主流開源模型，其在數學問題求解準確率上提升12%，代碼生成完整度提高18%。社區實測中，該模型成功模擬了流體動力學現象和星系演化過程，展現出處理跨學科復雜問題的潛力。不過，團隊也坦承模型在超長文本處理時存在計算成本較高的問題，目前正研發混合注意力架構以優化長序列處理效率。
為推動技術普惠，螞蟻集團同步公開了模型代碼與訓練框架。開發者可通過HuggingFace平臺（https://huggingface.co/inclusionAI/Ling-1T）獲取預訓練權重，或通過GitHub倉庫（https://github.com/inclusionAI/Ling-V2）查看完整技術文檔。此舉將加速大模型技術在科研、工業等領域的落地應用。
技術亮點方面，Ling-1T搭載的WSM學習率調度器可實時感知訓練狀態，動態調整參數更新策略，使千億參數級模型的訓練穩定性提升30%。其創新的“思維鏈”技術通過模擬人類推理過程，將復雜問題拆解為可執行的子任務序列，這種類腦計算模式為解決AI可解釋性問題提供了新思路。
