蚂蚁百灵开源Ring-2.6-1T：全面增强Agent执行能力 支持high与xhigh两种推理强度

智通财经APP获悉，5月15日，蚂蚁百灵正式开源了其亿万级旗舰思考模型Ring-2.6-1T，相关权重已在Hugging Face与ModelScope平台开放。此前，该模型已上线OpenRouter，并提供了限时免费的API体验。

与单纯追求参数规模或榜单分数的思路不同，Ring-2.6-1T的设计目标直指大模型正在进入的真实生产环境。无论是Agent工作流、工程开发、科研分析，还是复杂的业务系统与企业自动化流程，都是它瞄准的战场。可以说，这款模型的核心在于对Agent场景的重点强化——它优化的不仅仅是单次回答的质量，而是围绕一个真实工作流的完整执行链路展开。从最初的任务拆解与步骤规划，到中间的工具调用与上下文保持，再到执行过程中的反馈修正与持续推进，整个链条的流畅度与可靠性都得到了系统性提升。

为了实现这一目标，Ring-2.6-1T引入了一个关键机制：可调节的推理强度。具体来说，它支持“high”与“xhigh”两档配置。其中，“high”模式面向高频的Agent工作流，旨在获得更高的处理效率，非常适合多轮交互、工具协作、任务拆解等生产级默认调用场景。而“xhigh”模式则面向高难度复杂推理任务，在数学计算、科研分析、复杂逻辑推演以及多路径探索等场景下，能够释放模型的能力上限。

这种设计为开发者提供了灵活的掌控力。可以根据任务的实际特性，动态分配推理资源：日常的自动化工作流使用“high”模式以保证效率；一旦遇到棘手的复杂问题，切换到“xhigh”模式即可获得更深度的思考能力。这在一定程度上实现了效率与效果的平衡。

在训练层面，Ring-2.6-1T采用了异步强化学习训练架构。其核心创新在于将策略采样与参数更新这两个关键步骤解耦，形成了独立的处理流水线。这么做带来了两个显著优势：首先，采样与更新得以并行执行，使得GPU利用率大幅提升，整体训练效率获得了数倍的提升；其次，这种解耦架构天然适配大规模、长时间的持续训练，有效避免了因同步瓶颈而导致的训练中断问题，为模型的稳定迭代奠定了基础。