Ring-2.5-1T - アント・フィナンシャルのオープンソースの兆パラメータ思考モデル

Ring-2.5-1Tとは何ですか？

Ring-2.5-1Tは、Ant GroupのinclusionAIチームがオープンソース化した、1兆パラメータのハイブリッド線形思考モデルです。Ling 2.5アーキテクチャを採用し、MLAとLightning Linearのアテンションメカニズムを1:7の比率で統合しています。このモデルは、32Kを超えるテキストを生成する際に、メモリアクセスを10分の1に削減し、スループットを3倍に向上させます。IMO 2025とCMO 2025の数学コンテストで金メダルを獲得し、Claude Codeなどのインテリジェントエージェントフレームワークにネイティブに対応し、マルチステッププランニングとツール呼び出しをサポートし、深層推論と長期タスク実行シナリオに適しています。

Ring-2.5-1Tの主な機能

• 長文テキストの効率的な生成シーケンス長が32K以上のシナリオでは、ハイブリッド線形アテンションアーキテクチャは、メモリアクセスオーバーヘッドを従来モデルの10分の1に削減しながら、生成スループットを3倍以上向上させます。
• 数学的深層推論集中的な報酬強化学習トレーニングに基づき、この生徒は2025年国際数学オリンピック（IMO）で35点、2025年中国数学オリンピック（CMO）で105点を獲得し、いずれも金メダル獲得に必要な得点基準を上回った。
• インテリジェントエージェントのタスク実行Claude CodeやOpenClawといったインテリジェントエージェントフレームワークにネイティブに対応し、複数ステップの計画立案、ツール呼び出し、複雑なソフトウェアエンジニアリングタスクの自律的な完了を数時間連続してサポートします。

Ring-2.5-1Tの技術原理

• ハイブリッド線形アテンションアーキテクチャRing-2.5-1Tは、従来のGQAレイヤーを、MLAとLightning Linearを1:7の比率で組み合わせた構造に変換します。Lightning Linearレイヤーは線形複雑度で長尺シーケンス生成を処理し、MLAレイヤーはKVキャッシュをさらに圧縮して表現力を向上させます。
• 集中的報酬強化学習このモデルは、検証可能な報酬に基づく強化学習フレームワークを用いて訓練され、推論プロセスの厳密性に関するフィードバックを提供するための密な報酬メカニズムが導入されています。これにより、モデルは深い思考モードで論理的に厳密かつ完全な数学的証明を生成できるようになります。
• 非同期エージェント強化学習長距離インテリジェントエージェントタスクにおいて、Ring-2.5-1Tは大規模な完全非同期強化学習トレーニングを通じて自律的な意思決定能力を向上させ、複雑な環境下でも中断なく多段階操作を継続的に実行することを可能にする。

Ring-2.5-1Tのプロジェクト住所

• GitHubリポジトリ：https://github.com/inclusionAI/Ring-V2.5
• ハギングフェイスモデルライブラリ：https://huggingface.co/inclusionAI/Ring-2.5-1T

Ring-2.5-1Tの応用シナリオ

• 長文文書の処理と生成学術論文の執筆、技術文書の作成、小説の執筆など、数万語に及ぶ文脈を処理する必要のある専門的な執筆シナリオに適しており、長文生成における計算コストと応答遅延を大幅に削減します。
• 数学研究および教育支援数学競技トレーニングのためのインテリジェントなコーチとして、IMO/CMOレベルの問題解決手法と完全な証明プロセスを提供したり、研究者が複雑な数学的予想の形式的検証を探求するのを支援したりします。
• 独立系ソフトウェアエンジニアリングこのモデルは、オペレーティングシステムの開発、大規模なコードベースのリファクタリング、複数ファイルによる協調プログラミングといった長期的なプログラミングタスクを独立して完了させることができ、Claude Codeなどのインテリジェントエージェントフレームワークにおいてエンドツーエンドのソフトウェア配信を実現できる。
• 複雑なタスクの計画と実行本システムは、綿密な調査、データ分析ワークフローの構築、多段階のビジネス意思決定支援など、ツール間の連携を必要とするインテリジェントエージェントのアプリケーションシナリオに適しており、数時間にわたる自律的なタスク実行をサポートします。