Heim
Die Ant Group veröffentlicht das Modell „Ling-2.6-1T“ mit einer Billion Parametern als Open Source, um das schnelle Denken zu fördern
Das Ling-2.6-1T, ein vom „Bailing Large Model“-Team der Ant Group entwickeltes Flaggschiff-Modell mit einer Billion Parametern, wurde heute als Open-Source-Projekt für Entwickler vorgestellt. Anstatt lediglich die Anzahl der Parameter zu erhöhen, konzentriert es sich auf die systematische Verbesserung der Befehlsbefolgung, der Werkzeugnutzung und der Verarbeitung langer Kontexte bei komplexen Aufgaben aus der Praxis.

Architektonische Innovation ermöglicht einen effizienten „Fast Thinking“-Mechanismus
Ling-2.6-1T nutzt eine innovative Hybridarchitektur, die die Token-Kosten durch eine verbesserte Belohnungsstrategie senkt, welche Prozessredundanzen reduziert. Dieser „Fast Thinking“-Mechanismus ermöglicht qualitativ hochwertige Ergebnisse bei geringeren Kosten, während die volle Leistungsfähigkeit eines Modells mit einer Billion Parametern erhalten bleibt, was das Verhältnis von Intelligenz zu Kosten erheblich verbessert.
Bei komplexen Arbeitsabläufen verbessert das Modell das Lernen zusammengesetzter Aufgaben. In mehreren maßgeblichen Benchmark-Bewertungen für Ausführungsaufgaben zeigt Ling-2.6-1T starke Fähigkeiten bei der Ausführung mehrstufiger Prozesse und erreicht Spitzenleistungen im Open-Source-Bereich bei der Codegenerierung, Fehlerbehebung und präzisen Schlussfolgerung unter verrauschten Bedingungen.
Full-Stack-Kompatibilität ermöglicht den Einsatz in der Unternehmensproduktion
Um das Modell mit einer Billion Parametern in der Produktion einsetzbar zu machen, bietet Ling-2.6-1T eine hohe Kompatibilität mit den wichtigsten Agent-Frameworks. Es passt sich an komplexe Geschäftsszenarien mit mehreren Tools und Einschränkungen an und soll als Kernfunktion dienen, die innerhalb von Unternehmenssystemen bereitgestellt und gewartet werden kann.
Das Modell ist nun auf Open-Source-Plattformen wie Hugging Face und ModelScope verfügbar. Um Entwicklern weltweit die Möglichkeit zu geben, es auszuprobieren und zu bewerten, hat das Team zudem den kostenlosen API-Aufrufdienst auf OpenRouter um eine Woche verlängert und damit die Hürde für die Nutzung des Modells mit einer Billion Parametern weiter gesenkt.
Hugging Face: https://huggingface.co/inclusionAI/Ling-2.6-1T
ModelScope: https://www.modelscope.cn/models/inclusionAI/Ling-2.6-1T
Verwandter Artikel
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
Google testet den Remy AI Agent für Gemini, da der Fokus auf die Benutzerkontrolle verlagert wird
Laut Business Insider testet Google Remy, einen neuen KI-Personalagenten für Gemini. Dieses Tool soll Aufgaben im Auftrag von Nutzern ausführen und sowohl professionelle Arbeitsabläufe als auch tägliche Routinen optimieren.Derzeit wird Remy in einer
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des
Empfehlungen zu verwandten Spezialthemen
Kommentare (1)
Das Ling-2.6-1T, ein vom „Bailing Large Model“-Team der Ant Group entwickeltes Flaggschiff-Modell mit einer Billion Parametern, wurde heute als Open-Source-Projekt für Entwickler vorgestellt. Anstatt lediglich die Anzahl der Parameter zu erhöhen, konzentriert es sich auf die systematische Verbesserung der Befehlsbefolgung, der Werkzeugnutzung und der Verarbeitung langer Kontexte bei komplexen Aufgaben aus der Praxis.

Architektonische Innovation ermöglicht einen effizienten „Fast Thinking“-Mechanismus
Ling-2.6-1T nutzt eine innovative Hybridarchitektur, die die Token-Kosten durch eine verbesserte Belohnungsstrategie senkt, welche Prozessredundanzen reduziert. Dieser „Fast Thinking“-Mechanismus ermöglicht qualitativ hochwertige Ergebnisse bei geringeren Kosten, während die volle Leistungsfähigkeit eines Modells mit einer Billion Parametern erhalten bleibt, was das Verhältnis von Intelligenz zu Kosten erheblich verbessert.
Bei komplexen Arbeitsabläufen verbessert das Modell das Lernen zusammengesetzter Aufgaben. In mehreren maßgeblichen Benchmark-Bewertungen für Ausführungsaufgaben zeigt Ling-2.6-1T starke Fähigkeiten bei der Ausführung mehrstufiger Prozesse und erreicht Spitzenleistungen im Open-Source-Bereich bei der Codegenerierung, Fehlerbehebung und präzisen Schlussfolgerung unter verrauschten Bedingungen.
Full-Stack-Kompatibilität ermöglicht den Einsatz in der Unternehmensproduktion
Um das Modell mit einer Billion Parametern in der Produktion einsetzbar zu machen, bietet Ling-2.6-1T eine hohe Kompatibilität mit den wichtigsten Agent-Frameworks. Es passt sich an komplexe Geschäftsszenarien mit mehreren Tools und Einschränkungen an und soll als Kernfunktion dienen, die innerhalb von Unternehmenssystemen bereitgestellt und gewartet werden kann.
Das Modell ist nun auf Open-Source-Plattformen wie Hugging Face und ModelScope verfügbar. Um Entwicklern weltweit die Möglichkeit zu geben, es auszuprobieren und zu bewerten, hat das Team zudem den kostenlosen API-Aufrufdienst auf OpenRouter um eine Woche verlängert und damit die Hürde für die Nutzung des Modells mit einer Billion Parametern weiter gesenkt.
Hugging Face: https://huggingface.co/inclusionAI/Ling-2.6-1T
ModelScope: https://www.modelscope.cn/models/inclusionAI/Ling-2.6-1T
Schwedisches KI-Startup Lovable Eyes: Bewertung von 13,2 Milliarden US-Dollar nach großer Finanzierungsrunde
Während KI-gestützte Coding-Tools an Popularität gewinnen, hat das schwedische Startup Lovable eine bedeutende Finanzierungsrunde abgeschlossen. Das Unternehmen strebt danach, 3 Milliarden US-Dollar einzusammeln, was seine Bewertung potenziell auf 13
So beheben Sie Core Web Vitals für bessere SEO-Rankings
Berichtskartenkommentare mit KI-Tools optimierenEinführungKI-Tools zur Generierung von BerichtskartenkommentarenMagic SchoolAlmanac AIChat GPTNutzung von Magic School zur Generierung von BerichtskartenkommentarenAnmeldung bei Magic SchoolAuswahl des











