Дом
Bai Ling выпустила открытую версию модели Ring-2.6-1T, предназначенную для решения реальных сложных циклов задач
Сегоднякомпания Bailin Large Model официально открыла исходный код своей флагманской модели логического вывода Ring-2.6-1T с триллионом параметров, разработанной для решения проблемы ограниченных возможностей выполнения задач крупных моделей в реальных производственных средах. Эта модель выходит за рамки простого увеличения количества параметров; она знаменует собой фундаментальный сдвиг в сторону сквозного совершенствования задач с длинными цепочками, таких как рабочие процессы агентов, разработка программного обеспечения и научный анализ.

С технической точки зрения Ring-2.6-1T демонстрирует три ключевых прорыва. Во-первых, она значительно повышает возможности выполнения задач агентами, достигая передовых результатов среди открытых проектов в таких тестах, как PinchBench и ClawEval, которые оценивают адаптивность агентов, при этом значительно улучшая декомпозицию задач и коррекцию на основе обратной связи.
Во-вторых, в версии представлена инновационная настраиваемая функция под названием «Reasoning Effort» с двумя уровнями интенсивности: high и xhigh. Это позволяет разработчикам балансировать затраты и производительность в зависимости от сложности задачи. Уровень «high» обеспечивает высокие результаты в тестах Tau2-Bench для телекоммуникационного бизнеса, тогда как уровень «xhigh» достигает предельной производительности при решении сложных задач логического вывода, таких как AIME26 и GPQA Diamond.
Наконец, в модели используется архитектура асинхронного обучения с подкреплением в сочетании с «алгоритмом Ice Stick», что позволяет эффективно решать проблемы стабильности во время длительных циклов обучения для моделей с триллионами параметров и значительно повысить эффективность использования ресурсов.
Ring-2.6-1T теперь доступна на Hugging Face и ModelScope . Хотя команда признает, что в плане стабильности выполнения задач с длительным горизонтом еще есть над чем работать, открытие исходного кода этой модели знаменует качественный сдвиг в области ИИ — от единичных диалоговых взаимодействий к механизму выполнения с возможностями автономного планирования и совместной работы с инструментами — предоставляя разработчикам по всему миру прочную основу для изучения сложных процессов автоматизации.
Связанная статья
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Google тестирует агента Remy AI для Gemini по мере смещения фокуса на управление пользователями
Согласно Business Insider, Google тестирует Remy, нового ИИ-персонального агента для Gemini. Этот инструмент предназначен для выполнения задач от имени пользователей, упрощая как профессиональные рабочие процессы, так и повседневные рутины.В настоящ
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны
Рекомендации по связанным специальным темам
Комментарии (0)
Сегодня

С технической точки зрения Ring-2.6-1T демонстрирует три ключевых прорыва. Во-первых, она значительно повышает возможности выполнения задач агентами, достигая передовых результатов среди открытых проектов в таких тестах, как PinchBench и ClawEval, которые оценивают адаптивность агентов, при этом значительно улучшая декомпозицию задач и коррекцию на основе обратной связи.
Во-вторых, в версии представлена инновационная настраиваемая функция под названием «Reasoning Effort» с двумя уровнями интенсивности: high и xhigh. Это позволяет разработчикам балансировать затраты и производительность в зависимости от сложности задачи. Уровень «high» обеспечивает высокие результаты в тестах Tau2-Bench для телекоммуникационного бизнеса, тогда как уровень «xhigh» достигает предельной производительности при решении сложных задач логического вывода, таких как AIME26 и GPQA Diamond.
Наконец, в модели используется архитектура асинхронного обучения с подкреплением в сочетании с «алгоритмом Ice Stick», что позволяет эффективно решать проблемы стабильности во время длительных циклов обучения для моделей с триллионами параметров и значительно повысить эффективность использования ресурсов.
Ring-2.6-1T теперь доступна на
Шведский стартап в области искусственного интеллекта Lovable Eyes достиг оценки в 13,2 миллиарда долларов после крупного раунда финансирования
По мере того как инструменты для программирования на основе искусственного интеллекта набирают популярность, шведский стартап Lovable привлек крупный раунд финансирования. Компания нацелена на привлечение $3 млрд, что потенциально может увеличить её
Как исправить Core Web Vitals для улучшения позиций в поисковой выдаче
Оптимизация написания комментариев в отчетных карточках с помощью ИИ-инструментовВведениеИИ-инструменты для генерации комментариев в отчетных карточкахMagic SchoolAlmanac AIChat GPTИспользование Magic School для генерации комментариев в отчетны











