Ring-2.5-1T — модель с триллионом параметров для универсальных ИИ-агентов

Компания Inclusion AI представила Ring-2.5-1T — модель логического вывода с триллионом параметров, построенную на гибридной архитектуре линейного внимания с открытым исходным кодом. Китайская нейросеть позиционируется как система для построения универсальных ИИ-агентов, способных к глубокому мышлению и выполнению задач с длинным контекстом. Интегрировав эффективное многоголовое линейное внимание и Lightning Linear Attention в соотношении 1:7, разработчики достигли беспрецедентного баланса между вычислительной эффективностью и мощностью в задачах размышления.

Ring-2.5-1T перешла от классической архитектуры с квадратичной сложностью к линейному масштабированию обработки последовательностей. Замена большей части слоев группового внимания запросов на линейные аналоги позволила сократить накладные расходы на доступ к памяти более чем в десять раз, а пропускная способность генерации для последовательностей длиннее 32 тысяч токенов выросла втрое. Архитектурное ядро Ring-2.5-1T — гибридная схема линейного внимания, где 87,5% слоев преобразованы в формат Lightning Linear Attention, а оставшиеся 12,5% оптимизированы до многоголового линейного внимания с нормализацией QK и частичным вращательным позиционным кодированием. Несмотря на рост числа активных параметров с 51 до 63 миллиардов, эффективность инференса превосходит даже более компактные архитектуры за счет радикального сокращения объема KV-кэша и возможности асинхронного декодирования.

В области когнитивных способностей ключевым усовершенствованием стало внедрение плотного обучения с подкреплением на основе верифицируемых наград. В отличие от стандартного подхода RLVR, новая схема оценивает строгость каждого шага рассуждений, что позволило Ring-2.5-1T одновременно достичь золотого уровня на Международной математической олимпиаде 2025 — 35 баллов из 42, и на Китайской математической олимпиаде — 105 баллов из 126, значительно превысив отборочные пороги. Ring-2.5-1T обходит все открытые модели с расширенным мышлением в тестах IMOAnswerBench, AIME 2026, HMMT 2025 и LiveCodeBench. В задаче Gaia2-search, имитирующей сложное взаимодействие с множеством инструментов, модель показывает наилучший результат среди открытых систем, а в SWE-Bench Verified и τ²-bench уверенно соперничает с флагманскими проприетарными API. Поддержка контекста расширена до 256 тысяч токенов с помощью YaRN, что позволяет охватывать целые кодовые базы и многотомные документы за один проход.

Релиз Ring-2.5-1T демонстрирует выдающиеся показатели на элитных математических соревнованиях и рекордную эффективность в агентных сценариях, доказывая, что линейное масштабирование может быть не только экономичным, но и эффективным в интеллектуальных задачах. Открытый исходный код этой архитектуры предоставляет исследовательскому сообществу инструмент, ранее доступный лишь топовым ИИ-разработчикам.