百灵大模型再度出手，正式发布并开源通用语言大模型 Ling-1T ——蚂蚁迄今为止开源的参数规模最大的语言模型。

Ling-1T 自百灵大模型 「Ling 2.0 系列」，延续了蚂蚁自研的高效 MoE（ Mixture of Experts ）架构，它也是该系列的首款旗舰产品。而1T（ Trillion，万亿）级的总参数规模，让人再次直观感受到开源模型的「体量战争」还在加速升级。

Ling-1T（最右列）与几款具有代表性的旗舰模型的比较，包括大参数量的开源模型（DeepSeek-V3.1-Terminus、Kimi-K2-Instruct-0905）与闭源 API（GPT-5-main、Gemini-2.5-Pro）。

最引人注目的是编程与数学推理（ Coding & Math ）两大核心维度的表现。这些被称为高推理密度的任务，是大模型能力的天花板所在，而 Ling-1T 仍稳居第一梯队。

例如，在 LiveCodeBench（真实编程推理任务） 上，Ling-1T 得分最高，显著高于 DeepSeek；在 ArtifactsBench（复杂软件逻辑建模） 中，得分59.31，仅次于Gemini-2.5-Pro。

数学方面，在综合测试中，Omni-Math 与 UGMathBench 双双突破 74 分大关，稳居领先位置；在 FinanceReasoning（金融推理）中表现更稳，达到 87.45，展现出强大的逻辑一致性与跨领域推理能力。

知识理解（ Knowledge ）维度同样出色。Ling-1T在多个关键数据集上均处于领先或并列领先位置：

C-Eval（92.19）、MMLU-Redux（92.25）、MMLU-Pro（82.04）、MMLU-Pro-STEM（88.5）、OlympiadBench（91.3）。

这些分数整体比 DeepSeek、Kimi、GPT-5 主干模型普遍高出1～3 个百分点，部分指标甚至逼近Gemini-2.5-Pro 的上限。

这表明它不仅知识密度高、泛化能力强，更具备深度思考与逻辑推理的内在一致性。

在 Agent 推理与多轮对话（ Multi-turn Reasoning ）场景中，Ling-1T 的表现同样亮眼。尤其在 BFCL-v3 与 Creative-Writing 等具备开放思维特征的任务中，展现出自然语言表达与思维连贯性的平衡能力——不仅「会答题」，还「懂思考」。