百灵大模型今日正式对外开源其万亿参数规模的旗舰级思考模型Ring-2.6-1T，聚焦解决大模型在实际生产落地中普遍存在的“执行能力薄弱”这一关键瓶颈。该模型并非单纯追求参数量级的扩张，而是深度重构能力范式，重点强化对 Agent 工作流编排、软件工程实践以及科研级分析等复杂长链条任务的全流程自主推进能力。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜

在技术实现上，Ring-2.6-1T 实现了三项关键性突破：
第一，Agent 执行效能实现系统性跃升，在 PinchBench 与 ClawEval 等专用于评测 Agent 任务适配能力的权威基准中，综合表现达到当前开源模型的领先水平（SOTA），尤其在多步任务分解、动态路径重规划及基于反馈的自我修正方面显著增强；

第二，首创可配置的“Reasoning Effort”推理强度调控机制，提供 high 与 xhigh 两级推理深度选项，让开发者可根据具体场景灵活权衡推理质量与计算开销——high 档在 Tau2-Bench 电信领域任务中展现出卓越实用性，xhigh 档则在 AIME26 数学竞赛题与 GPQA Diamond 高阶跨学科推理测试中逼近当前模型能力边界；

第三，采用异步（Async）强化学习训练框架，并融合原创“棒冰算法”，成功应对万亿级模型超长周期训练中的梯度震荡与资源浪费难题，显著提升训练稳定性与硬件利用率。

大模型Token成本节约

大模型 Token 成本节约工具。在请求到达大模型之前自动压缩 prompt 和上下文，减少 60-95% 的 token 消耗，直接降低 API 成本。支持 Claude/OpenAI/Gemini 等主流模型，提供代理模式、CLI 包装、Python SDK 和 MCP Server 四种接入方式。内置一键安...

下载

目前，Ring-2.6-1T 的完整模型权重已同步上线Hugging Face与ModelScope平台。尽管项目团队坦言，模型在 Long-Horizon 场景下的持续交付鲁棒性仍处于持续迭代优化阶段，但此次开源无疑标志着人工智能正加速从以对话为中心的交互式工具，进化为具备自主目标拆解、工具调用与流程闭环能力的智能执行引擎，为全球开发者构建高阶自动化系统提供了坚实可靠的底层基座。