Ring-2.6-1T 正式开源:万亿级思考模型,强调 Agent 执行与多档 Reasoning Effort
Ring-2.6-1T 正式开源:为真实复杂任务打造的万亿级思考模型
今天,我们正式开源 Ring-2.6-1T ,将这款面向真实复杂任务场景打造的万亿级旗舰思考模型开放给开发者、研究者与企业场景进行验证、适配和二次开发。
Ring-2.6-1T 的目标并不是单纯追求更大的参数规模或更高的单点分数,而是面向大模型正在进入的真实生产环境:Agent 工作流、工程开发、科研分析、复杂业务系统与企业自动化流程。在这些场景中,模型需要的不只是“回答问题”,还要能够理解上下文、规划步骤、调用工具、持续执行,并在长链路任务中保持稳定。
围绕这一目标,Ring-2.6-1T 在三个方向实现了核心突破:
- Agent 执行能力全面增强:
从“能回答”进一步走向“能执行”,在多步任务、工具协作、上下文规划与复杂工作流推进中表现更加稳定。
- 多档位 Reasoning Effort 机制:
支持 high 与 xhigh 两种推理强度,开发者可以根据任务复杂度灵活调节思考深度,在效果、速度与成本之间取得更优平衡。
- 异步强化学习训练范式创新 :
通过 Async RL 架构结合棒冰算法,提升万亿级模型长周期强化学习的训练效率与稳定性,为 Agent 能力和复杂推理能力提供底层支撑。
Agent 能力:从“理解任务”到“持续执行任务”
在真实业务系统中,模型面对的往往不是孤立问答,而是需要理解复杂上下文、精准调用工具、在多步骤工作流中持续推进,并根据反馈自主修正的长程任务。这对模型的任务规划、工具适配、错误恢复和执行一致性提出了更高要求。
Ring-2.6-1T 针对 Agent 场景进行了重点强化,不只是提升单次回答质量,而是围绕真实工作流中的完整执行链路进行优化:从任务拆解、步骤规划,到工具调用、上下文保持,再到执行过程中的反馈修正与持续推进。
Ring-2.6-1T 在多个核心 Agent 评测基准上实现了显著提升:
在评估 OpenClaw 框架适配能力的 PinchBench 和 ClawEval 上达到开源 SOTA;
在考察长程任务自主推进能力的 TAU2-Bench 和通用 AI 助手综合能力的 GAIA2-search 上达到第一梯队;
在衡量真实软件工程缺陷修复能力的 SWE-Bench 系列榜单上进一步缩小了与领先模型的差距。
这意味着,Ring-2.6-1T 不再只是“理解任务”的模型,而是更接近一个能够端到端推进任务的执行引擎。无论是搭配 OpenClaw、Hermes Agent 等个人助理 Agent 框架,还是接入 Claude Code、OpenCode 等 AI Coding 工作流,Ring-2.6-1T 都能在任务拆解、工具调用、代码生成、工程协同和多轮修正中提供更稳定的使用体验。
Reasoning Effort:high 与 xhigh 配置,该快则快,该深则深
在实际使用中,并非所有任务都需要同等级别的推理资源。一次格式转换、一次信息整理,和一道数学竞赛题、一次复杂系统分析,对模型思考深度的要求完全不同。
因此,Ring-2.6-1T 引入了可调节的 Reasoning Effort 机制,支持 high 与 xhigh 两种推理强度。
high 面向高频 Agent 工作流
**适合多轮交互、工具协作、任务拆解和生产级默认调用 。**在保持较高任务完成率的同时,减少不必要的推理 Token 开销,让模型在真实工作流中更快、更稳、更经济。
在真实任务执行类评测中 ,Ring-2.6-1T high 展现出面向生产任务的执行效率与稳定性:PinchBench 得分 87.60 ,显著高于 GPT-5.4 xHigh、Gemini-3.1-Pro high;ClawEval 得分 63.82 ,在可比模型中位居前列;Tau2-Bench Telecom 达到 95.32 ,与最高分模型差距不足 1 分,体现出其在复杂业务流程、工具协作与行业任务中的稳定执行能力。
xhigh 面向高难复杂推理
适合数学、科研、复杂逻辑分析与多路径探索等任务,为模型释放更充分的思考空间。
**在高难推理任务上 ,**Ring-2.6-1T xhigh 展现出更高能力上限。AIME 26 得分 95.83,接近多家头部模型水平;GPQA Diamond 达到 88.27 ,体现出稳健的科学知识理解与复杂推理能力。模型既能处理数学竞赛类问题,也能完成专业知识问答和抽象泛化类任务。
通过 high 与 xhigh 两档配置,开发者可以根据任务特性动态分配推理资源:日常工作流用 high 获得更高效率,复杂推理任务切换 xhigh 释放能力上限。
异步 Async RL 训练 + 棒冰算法:支撑万亿级模型稳定强化学习
在万亿参数模型上进行强化学习训练,本身就是一个巨大的工程挑战。传统同步 RL 训练中,策略生成(rollout)与梯度更新紧耦合,导致:
GPU 等待: GPU 资源利用率低,大量算力浪费在等待同步上;
训练吞吐不足: 训练周期被拉长,迭代速度受限;
长周期训练不稳定: 长周期训练中容易出现策略崩溃或奖励信号退化。
Ring-2.6-1T 采用 异步(Async)强化学习训练架构 ,将策略采样与参数更新解耦为独立流水线,实现:
**训练吞吐与资源利用率大幅提升 :**采样与更新并行执行,GPU 利用率显著提高,训练效率提升数倍;
支持更长的训练周期: 解耦架构天然适配大规模、长时间的持续训练,避免同步瓶颈导致的训练中断。
在此基础上,我们将 Ring-1T 中的棒冰算法应用到异步 RL 训练中,解决训练不稳定问题。这一训练范式的创新,使得我们能够在万亿级模型上进行充分、稳定的强化学习优化,将 Agent 执行能力和推理能力推向新的上限。我们会在后面的技术报告中放出棒冰算法与 Async 结合的细节。
实战演示
代码生成
在 Pi Coding Agent 中,我们指示 Ring-2.6-1T 搜索互联网上的 Web 设计风格,并生成大量符合不同风格的交互式介绍,以验证其工具调用、任务规划和代码生成能力。
代码仓库问题修复
我们在 OpenCode 中使用 Ring-2.6-1T, 在真实项目仓库中,定位并修复一系列样式适配相关的 bug,并产出相关文档,以验证其在代码项目中的探索、分析和问题解决能力。
3D 生成和游戏任务
我们在 Pi Coding Agent 中让 Ring-2.6-1T 检索了典型的 3D 框架和游戏场景,并生成这些场景和游戏 Idea,来验证模型在此类包含空间和大量数学计算任务上的能力。
元工具生成和Skill使用
在 Agentic 能力中,「生成基于 Web 的工具」和「使用基于文件系统的 Agent Skill」是让模型在办公和生产力场景发挥效果的催化剂。我们让 Ring-2.6-1T 生成用于提升其他任务效能的 Web 工具,并使用 Agent Skill 优化这类工具的表现。
财务分析和统计任务
我们在 Kilo Code 中让 Ring-2.6-1T 编写脚本,综合运营 macos 的 OCR 能力、脚本执行和模型推理能力,全自动分析家庭财务账单,从发票图片到可交互分析演示。
综合深度研究
Ring-2.6-1T 在深度研究场景中表现优秀:我们通过 Agent Skill 编写深度研究 Agentic Workflow。模型可以严格遵循通过 Skill 文档定义的 Workflow,研究上百个来源,综述成为一份风险调研和投资相关的建议书。
复杂工作流执行和个性化学习助手
「让模型结合能力教自己学东西」是 2026 年广泛被市场应用的场景之一。我们让 Ring 自行开发个性化学习助手,检索和规划学习内容、知识图结构,并根据用户反馈自行调整介绍难度和方式。
局限性与未来计划
Ring-2.6-1T 在跨 Agent 产品适配、复杂工具调用的指令遵循以及 Long-Horizon 长程性能方面仍存在不足,面对更真实、更复杂的任务场景,泛化能力与长程交付稳定性仍有较大的优化空间。我们将在后续版本中持续改进上述能力,并非常期待来自社区的使用反馈与建议。
使用与体验
开发者反馈
在 OpenRouter 限时一周免费的 API 体验期间,已有不少开发者分享了对 Ring-2.6-1T 的真实调用反馈。
相比单纯追求参数规模或单次生成效果,开发者更关注到它在真实任务中的规划与执行能力:从会议纪要整理、内容计划生成,到 React 管理后台重构、复杂状态处理、代码生成和 Three.js 交互页面开发,Ring-2.6-1T 能够主动拆解任务、规划步骤,并根据上下文持续推进。
多位开发者也提到,high / xhigh 两档 Reasoning Effort 让模型更适合生产使用:日常 Agent 工作流可用 high 获得更快响应和更低 Token 开销;复杂逻辑、算法推理和高质量代码任务则可切换 xhigh,释放更充分的推理能力。
这些反馈也进一步印证了 Ring-2.6-1T 的定位:面向真实复杂任务,在推理深度、执行效率与工程可用性之间取得平衡,帮助开发者将模型能力转化为可持续推进的工作流。
Most Al models just talk to you. This one actually does your work. You can feed it an entire year of meeting notes at once. Then ask it to write 30 days of content and a welcome email sequence. It plans the steps and does the heavy lifting for you. Hand your repetitive tasks to the agent instead.
X/Twitter
T*****e
I am impressed with Ring-2.6-TT so far. Not sure what secret sauce they're hiding, but it leads my personal benchmark and is a big jump over Ling-2.6-TT. My personal benchmark measures the things I find important (coding , math, instruction following, structured output...).
X/Twitter
A****u
很多真实工作,其实不需要一套宏大的系统。我们只是需要一个临时的操作台:拆费用、排任务、调动画、做报名页、整理素材。用完就可以丢掉,但在那个时刻,它真的帮你把事情往前推了一步。Ring-2.6-1T 的厉害,不是替你完成工作,而是先给你造出一个工作现场。然后,你在里面完成工作。
---
X/Twitter
p****g
已经在 OpenRouter 上试过了,high 模式的响应速度确实惊艳,完全不像万亿参数模型的迟钝感。线性注意力优化带来的吞吐提升感知很明显,蚂蚁这次的 Ring 系列确实是奔着‘真干活’去的,支持开源!
X/Twitter
X****6
Ring-2.6-1T 最让小灰觉得惊喜的一点是,我们可以手动调节推理强度。
这种可以控制思考深度的设计就非常懂开发者,平时跑普通的自动化工作流,直接开 high 模式,响应极快还不浪费算力,遇到复杂逻辑或者硬核任务,再手动切到 xhigh 模式让它去深度死磕。这才是真正让我们自己掌控成本和执行效率。
---
X/Twitter
L*****H
Three.js 动态光影 3D 页面也太惊艳了,审美、动画、交互全交给它自己搞定还能这么丝滑,Ring-2.6-1T 的前端上限已经拉得非常高了!国产思考模型这波直接起飞,期待它在真实工作流里大杀四方!国产当自强。
X/Twitter
b****x
Ring-2.6-1T 这波真的把“工程实用性”这个词拉到新高度了。
我用high模式让它重构一个中型管理后台(React + Antd + 复杂状态 + 数据可视化),它不是简单生成代码,而是主动把需求拆成了7个迭代周期:先做架构分层 → 再补类型安全 → 然后优化性能瓶颈 → 最后甚至主动建议加埋点和错误边界。
X/Twitter
滑动查看更多
开源权重和本地部署
Ring-2.6-1T 希望解决的不只是“模型是否足够聪明”,更是“模型能否以合理推理成本,在真实复杂工作流中稳定、高效地完成任务”。此次开源,也希望让更多开发者能够在 Agent、Coding、科研分析和企业工作流等场景中,验证并扩展 Ring-2.6-1T 的能力边界。
欢迎大家试用、反馈和交流
🤗 Hugging Face
https://huggingface.co/inclusionAI/Ring-2.6-1T
🤖 ModelScope
https://modelscope.cn/models/inclusionAI/Ring-2.6-1T
🌐 Ling Studio (Ring-2.6-1T Chat 体验现已开放,API 服务即将上线)
点击【阅读原文】,访问 Ring-2.6-1T
http://mp.weixin.qq.com/s?__biz=Mzg2MTg4ODc4Mg==&mid=2247494731&idx=1&sn=e7806c934bc754f4a2f2d72757208bb6转载,侵删。版权归原作者,如有侵权请来信,收到后删除。
同一批次的其他文章
Crusoe 把陷入麻烦的怀俄明数据中心项目卖给谷歌;谷歌宣布约 170 亿美元建设园区
丹佛数据中心商 Crusoe(近期估值约 309 亿美元)确认将怀俄明东南未完工园区售予谷歌;谷歌此前对成本与工期不满。规划曾瞄约 10GW;对价未披露,谷歌称将投约 170 亿美元建设。阿马里洛项目仍与 Crusoe 合作。凸显独立运营商交付巨型 AI 算力园区的难度。
BioBasicsBench:100 道日常湿实验任务,评 Agent 读原始数据、抓错误、敢说「证据不够」
与 Ligo 合作:凝胶/菌落/显微/测序等原始证据,覆盖蛋白、成像、定量、核酸、克隆五类;专家 rubric 三重审。xhigh 下 GPT-6 Astra 均分约 66.7% 可用分,GPT-5.6 Sol 约 43.8%。强调把日常实验做对,对科研加速与生物安保都有含义。
OpenAI×Frontier Model Forum:给「绕过防护是否可能造成严重网络伤害」定级框架
官方帖:与 FMF 成员机构一起发布框架,帮助判断绕过 AI 防护是否可能促成严重网络危害,并优先加强防护。属安全评测方法论,非新模型发布;可与 Vals CyberOffense 等攻防评测对照。
vork:给 Agent 用的无头 3D/VFX 引擎——场景写成代码、渲染、看图、再改(约 2500 token API)
Rust+Slang,Vulkan/Metal;内核只留几何/光线查询等,其余由 Agent 边写边改。可改写光物理、线框森林、百万鸟群、实拍合成、GPU 流体。预览期源码可用免费;可按秒租云 GPU。对人机特效工具链是另一条「Agent-native」路径。
Claude Duet 手机端可监控与审批 Claude Code 会话(本地与云端)
多条社区与日报称:Claude Duet App 已能查看 Claude Code 会话状态、审批改动、发送更新,覆盖本地与云会话。对「人在回路」远程盯编码 Agent 有直接产品含义;以 Anthropic 客户端实际能力为准。
Linus Torvalds 批强制披露「是否用了 AI」:结果比工具更重要
X 趋势话题:Torvalds 在编码相关讨论中称强制 AI 使用披露「utterly stupid」,强调看结果而非工具。属社区言论摘要,细节以原帖/邮件列表为准;对企业合规「AI 生成标记」政策是反面对照。
建设者把重心放在 Agent Harness(工具/记忆/子代理/校验),而非「完美模型」
趋势摘要:多位建设者强调用 harness 组合让 Agent 能稳定跑数小时任务。可与本期 Harness-S 论文、ECC 等仓库对照;属舆论主题而非单一产品发布。
Harness-S:兄弟 Harness 救援失败任务,把能力迁回原 Harness 下的单一策略
改进什么:Harness 演化具局部性/互补性/非平稳性,难合成「万能外壳」。怎么做:方向性演化建兄弟池;仅在基座全败时路由 Top-k 救援;画像随策略重锚定。AppWorld/SWE-Gym/DBBench 回到 H0 仍显著优于纯策略训练。小红书等机构参与。
VFlash:按视觉原语整块并行解码——轨迹/框更快更准,MolmoSpaces 条件化约 70.2%
改进什么:自回归 VLM 逐 token 解坐标,细节越多越慢。怎么做:Flash Primitive Decoding 一次生成整块结构合法原语(文本仍投机验证)。轨迹误差下降;3D 点运动粗测约 25×;计划条件化 WAM 四套任务均分 70.2% vs 62.6%。
Decoupled Predictive Decision Making:共享条件预测器服务多 Agent 决策
改进什么:多 Agent 各自学预测易冗余、难共享。怎么做:解耦出共享条件预测器,决策头按需使用。HF↑114,适合对照多智能体世界模型/规划栈。
SPECMEM:用跨会话活记忆加速工具调用的投机解码草稿
改进什么:工具调用仍自回归解码,延迟高;现有系统无跨会话草稿库或建完不更新。怎么做:按用户重复行为维护可更新的草稿记忆,服务投机解码。面向部署侧工具 Agent 延迟。
Tools Need Not Speak in Text:工具结果用隐式上下文压缩,少占对话 token
改进什么:工具返回全进文本上下文又贵又吵。怎么做:对工具观测做隐式压缩再注入 Agent。适合长工具链企业 Agent 控成本。