蚂蚁百灵甩出万亿参数 Ring-2.6-1T，推理强度还能拨档调

模型上新

蚂蚁集团百灵大模型今日发布万亿级思考模型 Ring-2.6-1T，首创 high/xhigh 双档 Reasoning Effort 机制，已上线 OpenRouter 限免一周，后续将开源。

蚂蚁百灵甩出万亿参数 Ring-2.6-1T：推理强度从此能拨档

5 月 9 日，蚂蚁集团旗下百灵（inclusionAI）团队正式放出万亿参数旗舰思考模型 Ring-2.6-1T。这是百灵在 Ring 系列上的一次大跳跃——不仅参数规模迈进万亿俱乐部，还在工程上做了一件挺务实的事：把"思考多深"这件事做成了一个可拨的档位。

模型今天同步上线 OpenRouter，限时一周免费体验，官方还预告"近期开源"。对国内开发者来说，这是继 Qwen3、DeepSeek-V3.2、GLM-4.6 之后又一个能掰着手腕跟头部闭源模型比划的开源候选。

Ring-2.6-1T 模型架构与 Reasoning Effort 双档机制示意图

不是又一个万亿模型，重点在"可调"

过去一年，"思考模型"（reasoning model）这条线已经跑出了清晰的范式：让模型在输出最终答案前先生成一段长 CoT，用算力换准确率。OpenAI 的 o 系列、Gemini 3 的 Deep Think、DeepSeek-R1 都是这套打法。

问题也很明显——思考长度不可控。给模型一个 "1+1=?"，它能给你想出三千个 token 的分支证明；上一个 Agent 工作流，每一步工具调用都过一遍长链推理，Token 成本和延迟都顶不住。OpenAI 后来在 API 里加了 reasoning_effort 参数（low/medium/high），算是给这事开了个头。

Ring-2.6-1T 直接把这个理念做成了核心卖点，提供两档：

  • high：面向高频 Agent 工作流，Token 开销更低、多步执行更快，适合多轮交互、工具协作、任务拆解，定位是"生产级默认调用"。
  • xhigh：面向数学、科研、复杂逻辑分析、多路径探索这类高难任务，给模型更充分的思考空间。

这种分档不是简单的 max_tokens 截断，而是模型在训练阶段就被明确教过两种"思考节奏"。换句话说，high 档不是 xhigh 档的"阉割版"，而是专门优化过的"短思考稳态"——这一点在 Agent 场景里非常关键，因为 Agent 链路里最怕的就是某一步突然飘出几千 token 的内心戏，把整条链路的预算和延迟打穿。

跑分：high 档敢和别人 xhigh 档掰手腕

官方放出的评测数据有点意思，分两档对比着看：

high 档（Agent 与工程场景）

  • PinchBench：87.60，官方称超过 GPT-5.4 xHigh 与 Gemini-3.1-Pro high
  • ClawEval：63.82
  • Tau2-Bench Telecom：95.32

Tau2-Bench Telecom 这个分挺值得说一句。这个 benchmark 模拟的是电信客服场景下的多轮工具调用，是目前业内公认比较接近真实生产 Agent 场景的评测。95.32 已经是头部水平，意味着在多步工具协调、状态保持上 Ring-2.6-1T 不是只会刷数学题。

xhigh 档（高难推理）

  • ARC-AGI-V2：77.78
  • AIME 26：95.83
  • GPQA Diamond：88.27

AIME 26 接近 96 分基本是把高中数学奥赛题做穿了，GPQA Diamond 88+ 也已经站到第一梯队。ARC-AGI-V2 的 77.78 更值得关注——这个测的是抽象模式归纳，是 LLM 历来比较吃力的能力维度。

当然，跑分这事永远要打个折看。但如果 high 档真能在 Agent 类评测上稳住、xhigh 档真能在数学/科研题上贴近 SOTA，那 Ring-2.6-1T 的"双档"就不只是 marketing 话术，而是两种真实可用的工作模式。

为什么"双档"这件事比参数更重要

聊一点判断。万亿参数本身在 2026 年已经不算稀奇，Kimi K2、DeepSeek V3 系列、Qwen3-Max 都在这个量级附近徘徊（虽然激活参数各不相同）。真正稀缺的是让一个模型在不同任务节奏下都好用。

现在做 Agent 应用的开发者基本都遇到过同一个尴尬：

  • 用强推理模型，每一步都过 CoT，跑一个 ReAct 循环动辄几十秒、几万 token
  • 切换到普通 chat 模型，遇到需要规划的步骤又掉链子
  • 折中方案是双模型路由——简单步骤走 fast，复杂步骤走 thinking——但工程复杂度立刻起飞

Ring-2.6-1T 的 high/xhigh 是把这个路由器做进了模型内部。开发者不用维护两套模型 endpoint，也不用自己写复杂度判别器，调用时切个参数就行。这个产品决策很"做过 Agent"——它不是在跟 GPT-5 比 GPQA，而是在跟你的生产环境账单较劲。

怎么用：OpenRouter 限免一周

现在能用上 Ring-2.6-1T 有两个路径：

  1. OpenRouter：模型 ID inclusionai/ring-2.6-1t:free，限时一周免费
  2. 等开源：官方明确说近期会在 inclusionAI 的 GitHub/HuggingFace 开源

调用上，Reasoning Effort 通过标准 reasoning_effort 参数指定，传 high 或 xhigh。建议先用 high 跑一遍你的 Agent 主链路，遇到 hard case 再升档到 xhigh，对照看下 token 消耗和成功率的曲线——这是最能感受到"双档"价值的姿势。

OpenAI Hub 这边也在跟进上架进度，开源版本放出后会第一时间接入，届时可以用统一的 OpenAI 兼容格式直接切换。

几个还没回答的问题

几点需要在后续实际使用中观察：

  • 激活参数与推理成本：万亿总参，Ring 系列此前是 MoE 架构，激活参数没在通稿里强调。这直接决定了开源后社区能不能负担得起本地部署。
  • 上下文长度：通稿没提具体的 context window，Agent 场景下 256K 是当下的合理门槛。
  • 工具调用格式：是否原生支持 function calling、parallel tool use，是 Agent 落地的关键细节。
  • xhigh 是否真的稳定：长 CoT 模型最怕的是"想得多但绕回错误答案"，这点要靠社区在开源后跑大量 benchmark 才能验证。

小结

Ring-2.6-1T 不是一次惊天动地的发布，但它代表了国内大模型团队的一种成熟——开始关心开发者真实生产环境里的痛点，而不是只盯着 leaderboard。Reasoning Effort 双档机制是把"思考"这件事工程化的合理一步，配合即将到来的开源，会给 Agent 开发者多一个有竞争力的选项。

限免就一周，建议这周就把它接进自己的 Agent 测试框架里跑一遍，体感会比看跑分直接得多。

参考来源