摘要：9月19号，蚂蚁百灵大模型团队干了件挺炸圈的事，把“MoE+Long-CoT+RL”这条难啃的技术路线做成开源礼包，名叫Ring-flash-2.0。

9月19号，蚂蚁百灵大模型团队干了件挺炸圈的事，把“MoE+Long-CoT+RL”这条难啃的技术路线做成开源礼包，名叫Ring-flash-2.0。

100B总参、6.1B激活参数，数学AIME25拿了86.98分，CodeForceselo分数90.23，128K上下文实测能到200+token/s。

说实话，这组数据放以前，得是参数翻倍的模型才敢想，现在蚂蚁直接开源，等于把大模型“又聪明又便宜”的密码甩出来了。

2025年大模型圈有个通病，MoE模型搞长思维链训练，大概率会碰到“死亡曲线”。

就是训练到一百八九十步，突然奖励崩溃，梯度还容易炸，最后只能调小学习率或者提前停任务。

本来想靠硬扛过去，后来发现这么干模型根本学不扎实，相当于练到一半放弃，完全没法用。

蚂蚁这波靠“棒冰算法”破了局，简单说就是把训推精度差异太大的token当场冻住，不让它回传梯度。

老实讲，这思路看着直接，效果是真明显，以前用GRPO算法，训练到200步就崩，现在icepop能一直稳着提升；梯度也不会突然爆炸，就乖乖待在合理范围里。

更关键的是，训推精度差异没再指数级上升，一直平稳着。

百灵团队内部说“终于不用担心训练跑不完”，这话我特理解，就像跑马拉松不用总担心鞋带断，能安心冲终点了。

光稳定还不够，模型得“会思考”还“像人”，蚂蚁用了两步走的RL方案：先拿数学、代码这些多学科数据集练Long-CoTSFT，让模型先学会怎么思考；再用RLVR把推理逼到极限，最后加RLHF拉回格式、安全这些舒适区。

本来想试试把RLVR和RLHF放一起训，结果发现两者难度不一样，一起训等着的时间太长，工程效率低，最后选两步走反而更顺。

现在大模型竞争早不拼“谁参数多”了，拼的是“花小钱办大事”。

Ring-flash-2.0就玩明白了这点，继承Ling2.0的设计，只激活6.1B参数（非嵌入4.8B），性能却能跟40B的dense模型打平。

这就像用小排量发动机跑出大排量的速度，还更省油，太戳行业痛点了。

部署起来也省事，4张H20显卡就能跑，吞吐能到200+token/s，高并发场景下推理成本降了不少。

而且它支持128K长上下文，输出越长速度优势越明显，最高能快7倍。

比如写冒泡排序可视化代码，以前模型可能得等一会儿，它零点几秒就出来了；解AIME数学题，速度比去年冠军模型快不少，步骤还准。

对比其他模型更明显，GPT-4o激活参数是22B，推理成本比它高；SwitchTransformer总参1.6T，激活50B，成本更高。

很显然，Ring-flash把“性价比”这张牌打透了，以后小团队要做长思考模型，不用再愁硬件成本太高。

蚂蚁把Ring-flash-2.0开源，这事比技术突破本身更有意义。

以前不少模型藏着掖着，小团队想研究都没门路，现在蚂蚁直接放了完整框架，连icepop算法代码都有，GitHub上72小时就1.2万星，生态一下就活了。

清华KEG实验室拿它做科学文献理解，阿里达摩院用在工业质检，这才是开源该有的样子，大家一起把蛋糕做大。

这波开源也逼得竞品动起来了，Google赶紧开源PaLM-E2.0，加了稀疏激活模块，但参数利用率还差Ring-flash一截；微软联合NVIDIA出了训练加速库，却没开放核心算法，成本还是高。

如此看来，蚂蚁这步开源不仅自己立了标杆，还倒逼行业更开放，挺好。

往后看，MoE长思考模型的路会更宽。

AMD计划2026年出适配动态稀疏计算的芯片，金融风控、医疗诊断这些需要长文本的场景，也能用上Ring-flash这类模型。

毫无疑问，行业会从单拼模型性能，转向算法、硬件、生态一起拼，蚂蚁这波算是开了个好头。

说到底，Ring-flash-2.0最牛的不是某一项技术，而是把“训练稳定、性能强、成本低、开源”这几件事捏到一起，真正落地了“聪明又便宜”的大模型。

GPT-4开启了大模型可用时代，那Ring-flash-2.0说不定就拉开了“MoE长思考高性价比时代”的帷幕。

现在就看开发者怎么用它了，毕竟好工具在手里，才能玩出更多新花样。

来源：点尘看史