Ring-1T，心流之境，顿悟所生
万亿思考模型Ring-1T已正式发布并开源。开发者可通过Hugging Face、魔搭社区下载模型权重，或通过Ling Chat页面和ZenMux体验模型聊天功能及API调用。
基于上月底发布的 preview 版本，Ring-1T 通过持续扩展大规模可验证奖励强化学习（RLVR）训练，进一步激发了万亿基座的自然语言推理能力。同时，RLHF 训练也完善了模型的通用能力，使本次发布的 Ring-1T 在各项任务中展现出更均衡的性能。
Ring-1T 沿用 Ling 2.0 架构，基于拥有1T总参数和50B激活参数的 Ling-1T-base 基座进行训练，并支持最高 128K 上下文窗口。该模型依托自研的强化学习稳定训练方法icepop（棒冰）与高效强化学习系统ASystem（其中AReaL 框架已开源），实现了从百亿（Ring-mini-2.0）到千亿（Ring-flash-2.0）再到万亿（Ring-1T）的MoE 架构强化学习平稳扩展，显著提升了模型的深度思考与自然语言推理能力。
持续进化的深度思考能力
为评估 Ring-1T 的深度思考能力，研究团队选取了具有代表性的开源思考模型（Ring-1T-preview、DeepSeek-V3.1-Terminus-Thinking、Qwen-235B-A22B-Thinking-2507）和闭源API（Gemini-2.5-pro 以及 GPT-5-Thinking(High)）作为参考。结果显示，相比于此前开源的 preview 版本，Ring-1T 在各项任务上表现更均衡。此外，Ring-1T 在数学竞赛（AIME 25、HMMT 25），代码生成（LiveCodeBench、CodeForce），逻辑推理（ARC-AGI-1）等高难推理基准上达到了开源领先水平；同时在综合任务（Arena-Hard-v2.0），医疗健康（HealthBench），创意写作（Creative Writing v3）上也展现出强大竞争力。
尽管团队已对预训练、微调指令、强化学习提示词等所有阶段的训练数据进行了字符串和语义级别的基准任务污染过滤，但对于较早发布的基准任务，严格去污仍是当前业界难题之一。为了更客观地分析 Ring-1T 的深度思考能力，模型在今年7月举办的 IMO 2025（国际数学奥林匹克竞赛） 和上月初刚结束的 ICPC world finals 2025（国际大学生程序设计竞赛世界总决赛）中进行了测试。
在 IMO 2025 的测试中，Ring-1T 被接入多智能体框架AWorld（https://github.com/inclusionAI/AWorld），并采用纯自然语言推理进行解题，测试方式与此前 preview 版本类似。结果显示，Ring-1T 仅用一次尝试即解出了第1、3、4、5题，达到了IMO银牌水平；在第三次尝试时，对第2题几何证明也给出了接近满分的证明过程。然而，在最难的第六题（IMO 2025 AI选手无法正确求解）中，模型答案收敛到与 Gemini 2.5 Pro 相同的 “4048”（正确答案为2112）。团队相信，通过持续优化，Ring-1T 未来有望达到 IMO金牌 水平。
在 ICPC world finals 2025 上，对 GPT-5-thinking、Gemini-2.5-pro 和 Ring-1T 进行对比测试，在允许三次尝试的模型直接解题测试中，Ring-1T 解出了5题（DFJKL），表现优于 Gemini-2.5-pro 的3题（DFK），略低于 GPT-5-thinking 的6题（CDEFKL）。这表明 Ring-1T 在国际顶级代码竞赛中展现出亮眼表现。未来，模型在上述比赛的解题轨迹有望开源，以促进社区共同优化该万亿思考模型的推理潜能。
棒冰(icepop)：为RL长周期训练“保驾护航”
在 MoE 模型的强化学习训练中，训练和推理引擎之间的算子实现差异比 Dense 模型更为显著，尤其是在生成长序列和进行长周期训练时，这种差异会随着序列长度和训练步数的增加而逐渐拉大。实验结果表明，在较少的训练步数内，原始的 GRPO 算法可能开始崩溃。而 icepop（棒冰）算法通过带掩码的双向截断技术来修正分布，有效减小训练与推理阶段的差异，从而为急剧上升的训推差异“降温”。
图1：GRPO训推差异随着训练成指数上升，icepop较为平稳；图2：训推差异最大值，GRPO随着训练上升非常明显，icepop维持在较低水位
ASystem：自研RL框架“拿捏”万亿规模训练
为保障万亿基座强化学习的稳定高效训练，团队自研了高性能强化学习系统——ASystem。ASystem采用SingleController + SPMD架构。在训推引擎方面，系统对万亿基座的显存管理和训推权重交换问题进行了精细优化。其基于自研的训推统一显存池技术，实现了显存透明卸载，高效释放显存碎片，有效降低了显存不足风险。通过 GPU 间 P2P 直接通信与原地更新等技术，实现了模型权重的秒级、零冗余交换。在RL训练框架上，ASystem构建了基于大规模 Serverless Sandbox 技术的混合奖励系统，该系统能以毫秒级速度启动，提供超过10余种语言的沙箱执行环境，并支撑高达 10K/s 的请求吞吐。AReaL 框架已开源，旨在通过技术开放加速开源社区的RL训练与研究工作。
