蚂蚁百灵大模型团队开源高性能思考模型 Ring-flash-2.0

蚂蚁百灵大模型团队宣布正式开源 ring-flash-2.0，这是一款基于 ling-flash-2.0-base 深度优化的高效思考模型。与 ling-flash-2.0 一致，ring-flash-2.0 拥有总计 100b 参数，但在每次推理过程中仅激活 6.1b 参数，显著提升计算效率。

Ring-flash-2.0 架构图如下：

据团队介绍，该模型在数学竞赛、代码生成、复杂逻辑推理等多项高难度基准测试中表现卓越，性能不仅超越了参数量在 40B 以内的主流 dense 模型，还能与更大规模的开源 MoE 模型及闭源高性能思考模型 API 相匹敌。

为了进一步增强 Ring-flash-2.0 的综合能力，蚂蚁百灵团队构建了 Two-staged RL 训练流程：

• 第一阶段采用轻量级 Long-CoT SFT，使 Ling-flash-2.0-base 掌握多样化的思维链模式；
• 第二阶段引入具备可验证奖励机制的 RLVR 训练，持续挖掘模型深层推理潜力；
• 最后结合 RLHF 阶段，优化模型的通用性与用户对齐能力。

此次开源内容包括 Ring-flash-2.0 的完整模型权重、RL 训练方法以及数据构建方案：

https://www.php.cn/link/c74305e736bb51926e0f568d7ae72545
https://www.php.cn/link/4504a21322621ea6e8b2af2f6564e81a