10月8日晚，蚂蚁集团于开源圈掀起轩然大波。

它正式开源Ling2.0系列首个旗舰级非思考模型Ling-1T，此举措如巨石入水，即刻在开源界引发高度关注，激起热烈反响。

这模型参数量直接拉到1万亿，在开源领域里，这么大规模的非思考模型还是头一个见。

智东西10月9号就报了这消息，我当时看到的时候还愣了下，本来想琢磨下是不是有其他开源模型能跟它比规模，后来发现目前公开信息里还真没有能打的。

Ling-1T的底子是Ling2.0架构，这架构有意思的地方在于它跟着“Ling缩放定律”走，就算计算量到了1e25到1e26FLOPs，架构和超参数还能保持可扩展性。

内部运用混合专家激活设计，独具匠心，整体参数规模逾1万亿，激活参数达500亿，激活比例为1/32。

这般精巧设计，在参数运用方面展现出非凡巧思，这比例挺讲究的，就像咱们做饭只放需要的调料，不浪费还能出味儿。

之前看其他大模型，要么参数大了就费资源，要么省资源了能力又跟不上，Ling-1T这波平衡做得还不错。

此外，有一种名为QK归一化的技术，它专为解决训练过程中的稳定性问题而研发，在相关领域发挥着至关重要的作用，有效提升训练的可靠性和效率。

我查过相关资料，大模型训练最怕梯度爆炸，很多模型都栽在这上面，Ling-1T用这技术把收敛稳定性给稳住了，这一点确实得夸。

此外，它于训练全程运用FP8混合精度，尤为值得称道的是，在当前已知的基座模型领域中，其训练规模堪称出类拔萃，在一众模型里名列前茅。

相较于传统的BF16，FP8不仅能有效节省内存，还可实现超15%的加速。

尤为关键的是，其精度损失偏差未逾0.1%，如此优异的数据，在行业中堪称出类拔萃。

Ling-1T究竟有何底气，竟敢与闭源模型一较高下，它是具备独特优势，还是另有依仗，能在这场激烈较量中争得一席之地呢？看这些测试数据就懂技术底子打好了，性能表现自然得拿数据说话。

在推理、数学、编程等基准测试中，Ling-1T表现卓越，势如破竹地一举斩获22项SOTA佳绩，尽显其在相关领域的强大实力与优势。

其中有七项与数学和推理紧密相关，于AIME25基准中，更是进一步拓展了推理精度与长度的帕累托边界，展现出更为卓越的性能与深度。

这边界拓展可不是小事，之前很多模型要么推理准但处理不了长文本，要么能处理长文本但精度掉得厉害，Ling-1T这波算是把两个痛点都解决了。
编程领域表现更让人意外，在MultiPL-E、LiveCedeBenchi2408-25051这些基准里，它直接超过了DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905，连闭源的GPT-5-main和Gemini-2.5-Pro都没打过它。

我之前总觉得闭源模型像班里的尖子生，开源模型想追上得费老大劲，结果Ling-1T这波直接打破了这印象。

而且它在AI代码生成评测ArtifactsBench上，开源模型里排第一，连测试里的基准可视化内容都是它自己生成的，这能力确实够硬。

工具调用方面也不含糊，在BFCLV3基准里，就轻度调了下指令，工具调用准确率就到了70%左右，关键是训练的时候还没接触过大规模轨迹数据。

我觉得这一点对中小企业特别友好，很多企业没精力搞大规模数据训练，Ling-1T这样轻度微调就能用，明显降低了落地门槛。

另外它还能解析复杂的自然语言指令，把抽象逻辑转成视觉组件，生成跨平台的前端代码，非技术人员用文字指令就能弄出页面，这对缺开发人才的企业来说，简直是及时雨。

从写代码到规划行程，Ling-1T的这些应用案例够实在
Ling-1T开源的渠道也考虑得挺周全，HuggingFace、魔搭社区、国内的Lingchat、海外的ZenMux都能拿到。

搞不清为啥有些模型只在一个平台上放，Ling-1T这样多平台布局，明显是想让国内外开发者都方便用。

国内用户使用Lingchat，无需担忧网络难题，海外开发者借助ZenMux，既能测试Chat，又可调用API，如此周全的考量，足见其心思之细腻入微。
实际应用案例也特别接地气，有开发者用它做《三体》人物关系图谱页面，不仅要展示人物关系，还得满足配色、鼠标悬停效果这些视觉要求，结果它都搞定了。

还有个案例是做Crane云平台网页，用户登录、数据仪表盘、设备管理这些功能全实现了，跟正经开发出来的产品没差。

我觉得最有意思的是上海一日游规划，它能根据酒店、目的地坐标这些信息，规划步行路线，还能用mapbox地图展示出来，这比自己查攻略方便多了。
另外它还能玩扫雷、写六边形小球碰撞的HTML脚本，甚至能解线性规划、旅行商问题这些优化题，还会用pygame生成教学动画。

本来想觉得这些功能会不会太杂，后来发现其实都是围绕“实用”来的，不管是开发、学习还是日常规划，都能用得上。

我觉得开源模型就该这样，不光要有硬技术，还得让开发者和用户觉得“这东西能解决我的问题”，Ling-1T在这方面做得挺到位。

综观全局，Ling-1T的开源之举在行业内激起千层浪，其影响力不容小觑，于行业发展而言，恰似巨石入水，涟漪层层扩散，意义深远。

一方面它给开源社区带来了万亿参数级的非思考模型，填补了这方面的空白，另一方面，它的Evo-CoT思维链、LPO强化学习这些技术，也给其他开源模型提供了新思路。

毫无疑问，闭源模型虽然强，但调用成本高，很多中小企业用不起，Ling-1T开源后，这些企业就能低成本用上万亿级模型，这对推动AI普惠挺重要的。

未来它在自动化开发、智能编程助手这些场景的落地值得期待，毕竟现在很多企业都缺开发人才，能自动生成代码还兼顾美观的模型，肯定会受欢迎。

我挺期待看到更多开发者用它做出来的案例，说不定以后咱们日常用到的很多小工具、小网页，背后都是Ling-1T在支撑呢。