蚂蚁 Ling / Ring 2.6 技术报告

当所有人都在比谁的模型更大、谁烧的算力更多时，蚂蚁 Inclusion AI 的这份技术报告反其道而行：它没有从零再训一个万亿参数模型，而是把一个已经训好的万亿模型推上手术台，给它「换了一颗心脏」，再用三路协同的后训练把它打磨成既能秒回、又能深度推理、还能在真实环境里调用工具干活的 Agent 大脑。

论文链接：https://arxiv.org/abs/2606.15079

这篇文章拆解的是 arXiv 上的《Ling and Ring 2.6 Technical Report》。它一口气交付了一个模型家族——主打即时响应的 Ling-2.6 和主打深度推理与智能体的 Ring-2.6，参数规模从 104B 横跨到 1T，并且把三个权重（Ling-2.6-flash、Ling-2.6-1T、Ring-2.6-1T）全部开源。比单纯的「又一个 SOTA」更值得讲的，是它背后那套「不重训、靠改造」的工程哲学。

Agent 时代，大模型被三个目标同时撕扯

大模型正在从「聊天机器人」变成「智能体」。这个转变听起来只是换了个用法，实际上把模型的优化目标彻底改写了：一个实用的 Agent，必须同时推理得好、用工具用得稳、还得足够高效。

问题在于，这三件事天生互相打架。

想让模型答得准，往往要让它「想得久」——把推理链拉长。可链一长，延迟和 token 成本就跟着飙升。反过来，把模型做得又小又快确实好部署，但它在需要严密推理、需要跨多步操作的长任务上又频频掉链子。速度与深度，像跷跷板的两头。

而万亿参数这条路还埋了第三个坑：从头训练一个 1T 模型贵得离谱。蚂蚁的上一代 Ling-2.0-1T 已经吃进去了 20T tokens 的训练投入，推倒重来等于把这笔巨额沉没成本直接扔掉。

所以报告开篇就立了一个明确的靶子：实用的智能体智能，必须沿着长上下文效率、每个 token 的能力密度、面向真实 Agent 工作流的原生优化这三个方向同时往前推，而不是顾此失彼。

不重训，而是给万亿模型「换心」

第一刀，砍向注意力机制。

在传统的 GQA（分组查询注意力）架构里，上下文一长，注意力就成了吞算力的黑洞。报告给出一个很扎眼的数字：当上下文超过 32K tokens，注意力消耗的算力占比就超过总 FLOPs 的 60%；到了 256K，全注意力直接变成绝对瓶颈。

2.6 的解法是换一套混合线性注意力：把 Lightning Attention（线性注意力）和 MLA（多头潜注意力）按 7∶1 的比例混搭。线性注意力把每个 token 的计算成本从 O(n²) 压到 O(n)；MLA 则把庞大的 KV 缓存压进一个低秩的潜空间。这个 7∶1 不是拍脑袋定的，而是团队在等算力约束下跑了一组 scaling law 实验，从 1∶1、3∶1、7∶1、15∶1 里挑出的最佳平衡点——再激进到 15∶1，性能就开始明显退化了。

但真正精彩的是「怎么换」。给一个已经训好的万亿模型动注意力，相当于在心脏跳动时做移植手术，稍有不慎整个模型就废了。团队设计了一套四步平滑迁移，用大约 400B tokens 完成：先做 Lightning Attention 转换，再用 Linear Warmup 让新初始化的线性注意力参数对齐已有表征，接着做 MLA 转换，最后用 MLA Warmup 把损失拉回手术前的水平。

过程中还有两块「排异反应」要处理：原模型的 QK Norm 是个非线性操作，会挡住 MLA 推理所需的权重吸收——团队用一套基于校准样本的方法，把归一化的效果近似融进 Q、K 投影权重里，从而干净地移除它；原模型用的是 Partial RoPE 而非 Full RoPE，团队把受位置编码影响的维度单独解耦出来做 PCA 旋转，再拼回去，保住了原有结构。

完成换心后，模型在大约 9.6T tokens 的继续训练里分三阶段长大：迁移预训练、继续预训练（8T tokens、4K 上下文），以及中段训练（1.2T tokens），上下文窗口一路从 4K 扩到 32K、再扩到 256K，最终支持 262,144 tokens 的超长输入。一整套下来，解码吞吐比上一代基于 GQA 的 2.0 还要高。

让每个 token 都更值钱

第二刀，砍向「废话」。

这里有个容易误会的点：所谓 token 效率，不是简单地让模型把话说短。报告说得很直白——他们追求的是「每个生成出来的 token 携带更高的能力密度」，而不是把回答粗暴截短的表面文章。

为此 2.6 在后训练里叠了好几层手段：用 Evolutionary Chain-of-Thought（Evo-CoT）剔掉冗余的推理步骤，但不靠「越短越好」这种幼稚的长度最小化；用 LPO（语言单元策略优化）把优化的颗粒度从「单个 token」上移到「语义连贯的语言单元」，让信用分配更准、减少无意义重复；用双向偏好对齐去奖励信息量足、约束满足的输出，同时惩罚逻辑错误、幻觉和套路化的啰嗦；最后再用「最短正确答案蒸馏」进一步压实能力密度。报告还提到一个细节：光是在数据层面剪掉那些「答对之后还要再反思一遍」的过度反思段落，平均输出长度就能减少 200 到 300 个 token。

这套组合拳的效果是：在推理类任务上，2.6 的 token 效率比 2.0 提升了约 4 倍。一个更有冲击力的对照是——Ling-2.6-1T 在 Artificial Analysis 智能指数上拿到 34 分，却只用了约 16M 输出 tokens，这个表现已经和非推理模式下的 GPT-5.4 相当。说白了，同样的智能水准，它花的「话费」少得多。

Agent 能力是「训」出来的，不是「蹭」出来的

第三刀，砍向「假智能体」。

很多模型的所谓 Agent 能力，其实是从聊天数据里顺带蹭来的——本质还是个会聊天的模型，套了层指令微调的壳。2.6 的态度截然不同：智能体能力是被当成一等训练目标直接训出来的。

为此团队构建了覆盖工具调用、编程、搜索、工作流执行、多轮交互的庞大智能体语料：调用了 500 多个真实 MCP 环境、3000 多种不同工具；编程智能体的数据则是从 GitHub 的 GH-Archive 里大规模挖掘「PR—Issue 配对」，层层筛选后得到约 2500 个高质量实例，覆盖 1550 个仓库、30 多种编程语言，而且每个 PR 都必须自带测试补丁以保证可验证。

而 Ring-2.6 真正的杀手锏，是一个叫 KPop 的强化学习算法。它要解决的是一个很硬核的工程难题：让万亿参数模型在真实环境的「长轨迹」上做 RL，训练极易崩。上一代的 IcePop 用一个统一的固定比例阈值去约束所有 token，但现实是不同概率的 token 失配程度天差地别——一刀切会过度屏蔽掉那些低概率 token。KPop 用二元 KL 散度替换了这个固定阈值，把整个词表看成「当前采样到的这个 token」对「其余所有」的二元划分，从而精细地刻画高、低概率区域里各自的失配，整个机制只靠一个超参数控制。

配合「把数据采集和参数更新解耦」的异步 RL，长达 200 轮（评测时放宽到 500 轮）的环境交互轨迹终于变得可训。KPop 带来的提升很实在：在 SWE-bench Verified 上，求解率从 70.8% 一路涨到 76.28%，训练奖励曲线也从 0.54 稳步爬到约 0.68。值得一提的是，团队还实时监控训练中的「奖励作弊」行为，发现只有约 0.2% 的轨迹存在投机取巧，基本可以忽略。

成绩单：又快又强，还能干活

把这三刀的效果摊开看，数字相当能打。

主打即时响应的 Ling-2.6-1T，在一众非推理 / 即时模式的顶尖模型里表现亮眼：知识类的 C-SimpleQA 拿到 76.53，推理类的 AIME26 高达 87.40、ARCPrize 50.94，智能体类的 PinchBench 85.24、τ²-bench 78.36，长上下文的 MRCR（16K—256K）更是冲到 80.37。轻量版的 Ling-2.6-flash 同样能打，在 4×H20 的部署条件下，解码吞吐做到 Nemotron-3-Super 的 1.3 倍、Qwen3.5-122B 的 2.4 倍、GLM-4.5-Air 的 4.3 倍，prefill 和 decode 都有最高 4 倍的加速。

主打深度推理的 Ring-2.6-1T，在开它的「xhigh」满血思考档时，AIME 2026 飙到 95.78，HMMT-Feb26 拿下 93.47，而在号称最难的抽象推理 ARC-AGI-2 上以 66.18 登顶所有开源模型第一。切到更省算力的「high」档，它在 OpenClaw 的 PinchBench 上以 87.60 拿下全场（含闭源）第一，ClawEval 的 63.82 也是开源第一。

一句话总结这张成绩单：即时档不输闭源快模型，深度档摸到第一梯队，而且这一切是在「不重训」的前提下做到的。

六、它意味着什么，又还差什么

这份报告最有价值的，未必是某个榜单的最高分，而是它示范了一条务实的路径：当一个组织已经在某代基座上投入了海量算力，下一代不一定要推倒重来。架构可以「换心」式地原地改造，能力可以靠后训练精细蒸馏，智能体行为可以被当成原生目标直接训练。这对算力没有那么奢侈的团队，是一个很有借鉴意义的范式。

当然，它并非全能。报告自己也坦诚：在 Agentic coding（如 SWE-bench Verified）这类硬核软件工程任务上，Ring-2.6 与 Kimi-K2.6、DeepSeek-V4-Pro 等头部模型仍有差距；轻量的 flash 版在纯推理深度上，也敌不过参数更大的开源模型——这正是「效率与能力」那杆秤无法回避的取舍。

但方向是清晰的：把模型做得又快、又强、又真的能用工具完成任务，并且把全部权重开源出来。在这个人人都谈 Agent 的时间点上，能把这三件互相打架的事捏到一起，本身就是一份分量十足的答卷。