摘要：蚂蚁开源团队出了个叫Ring-1T的模型，直接在2025年AIME测试里拿了93.4分，这个成绩快赶上人类顶尖选手了。

蚂蚁开源团队出了个叫Ring-1T的模型，直接在2025年AIME测试里拿了93.4分，这个成绩快赶上人类顶尖选手了。

之前大家总在问AI能不能真“动脑子”，现在这个模型算是给了个实打实的答案。

本来想只说这个成绩多厉害，但后来发现它不止数学行。

在HMMT-2025测试里，它拿了86.72分，IMO-2025模拟评测还到了银牌水平，这说明它不光能算题，还能做那种需要多步推理、甚至有点创造性的证明题。

编程方面更不含糊，Codeforces平台测试拿了2088分，这可是人类高水平程序员的区间，写出来的代码又高效又能直接用。

就连通用智能测试ARC-AGI-v1，它也拿了55.94分，比之前的开源模型强了不少。

之前的开源模型大多是靠海量数据“记答案”，遇到复杂点的推理题就容易翻车。

但Ring-1T不一样，它是靠强化学习自己“琢磨”思路，错了还能调整，慢慢形成了稳定的推理模式。

对比之前那些百亿、千亿参数的开源模型，比如Llama370B、Mistral8x22B，Ring-1T算是把开源模型的性能上限给刷新了。

更难得的是，它在复杂任务里不会突然“掉链子”，性能特别稳，现在已经成了新的开源思考型模型基准。

能有这成绩，全靠三个关键技术：IcePop、C3PO++和ASystem。

这三个技术就像三角架，少一个都撑不起这么好的表现。

模型的训练过程也挺讲究，分了三步，先做监督微调打基础，后面两步推理强化学习和通用强化学习才是关键。

训练时用了AdamW优化器，参数都卡得很死，β₁设0.9，β₂设0.999，权重衰减0.01，连MoE路由器的偏置项都固定住了。

推理的时候也没乱调，KL系数设0，采样温度设1.0，就是为了避免训练和推理“两张皮”。

IcePop这技术主要是让训练更稳，它会筛选训练样本，只让那些概率比值在0.5到5.0之间的样本参与优化，遇到那些波动大的异常样本，就削弱它们的影响。

本来研究人员还试了别的参数范围，最后发现默认的0.5和5.0最平衡，既不会让模型太死板，又能保证稳定。

C3PO++则是负责“提速”的，它给每个样本设了token预算，生成的token数到了上限就立刻更新，还分了推理池和训练池，一边生成样本一边训练，两边不耽误。

遇到特别长的样本，它还会设个保留期，超时没完成就清掉，没写完的下次接着来。

这两个算法的配合，怕是很多同行都没想到能这么丝滑。

光有算法还不够，万亿参数的模型得有能扛住的系统。

ASystem就是专门为这个设计的，它用了SingleController+SPMD的并行架构，一个控制器管着成千上万的计算节点，大家同步干活效率特别高。

里面四个模块各有分工，HybridRuntime管训练和推理的统一执行，AMem负责省显存、快传输，AState能在10秒内同步万亿级参数，ASandbox还能隔离着跑推理任务，安全又高效。

对比之前的Megatron-LM框架，ASystem的故障恢复能力强多了，就算有节点出问题，整体训练也不会停。

现在开源模型总算能在高层次智能上跟闭源模型掰掰手腕了，2025年Meta出Llama4的时候，就借鉴了这种“强化学习+分布式架构”的思路，谷歌DeepMind开源的GeminiNano2也在往轻量化推理上靠。

不过问题也存在，这模型训练成本太高，普通机构根本玩不起，而且遇到超复杂的科学计算，长序列推理还有提升空间。

Ring-1T不光是拿了个高分，更重要的是它给开源AI指了条新路子。

以前大家总觉得开源模型只能跟在闭源后面跑，现在看来，只要技术找对了方向，开源模型也能当“引领者”。

希望以后能有更多企业和机构参与进来，把开源AI的门槛降下来，让这种“会思考”的模型能用到更多地方。

来源：史观观