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
蚂蚁百灵开源Ring-2.6-1T模型,权重已开放。该模型专为Agent工作流设计,强化任务拆解、工具调用与持续执行能力。创新引入“high”与“xhigh”两档可调推理强度,分别面向高效流程与复杂任务,以平衡效率与效果。模型采用异步强化学习架构,提升训练效率并支持稳定迭代。
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。
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















