Ogni Attivazione Potenziata: Scalare il Ragionatore Generale su una Base Linguistica Aperta da 1 Trilione

Every Activation Boosted: Scaling General Reasoner to 1 Trillion Open Language Foundation

October 25, 2025

Autori: Ling-Team, Ang Li, Ben Liu, Binbin Hu, Bing Li, Bingwei Zeng, Borui Ye, Caizhi Tang, Changxin Tian, Chao Huang, Chao Zhang, Chen Qian, Chenchen Ju, Chenchen Li, Chengfu Tang, Chili Fu, Chunshao Ren, Chunwei Wu, Cong Zhang, Cunyin Peng, Dafeng Xu, Daixin Wang, Dalong Zhang, Dingnan Jin, Dingyuan Zhu, Dongke Hu, Fangzheng Zhao, Feifan Wu, Feng Zhu, Gangshan Wang, Haitao Zhang, Hailin Zhao, Hanxiao Zhang, Hanzi Wang, Hao Qian, Haoyi Yu, Heng Zhang, Hongliang Zhang, Hongzhi Luan, Huirong Dong, Huizhong Li, Jia Li, Jia Liu, Jialong Zhu, Jian Sha, Jianping Wei, Jiaolong Yang, Jieyue Ma, Jiewei Wu, Jinjing Huang, Jingyun Tian, Jingyuan Zhang, Jinquan Sun, Juanhui Tu, Jun Liu, Jun Xu, Jun Zhou, Junjie Ou, Junpeng Fang, Kaihong Zhang, Kaiqin Hu, Ke Shi, Kun Tang, Kunlong Chen, Lanyin Mei, Lei Liang, Lei Xu, Libo Zhang, Lin Ju, Lin Yuan, Ling Zhong, Lintao Ma, Lu Liu, Lu Yu, Lun Cai, Meiqi Zhu, Mengying Li, Min Chen, Minghao Xue, Minghong Cai, Mingming Yin, Peijie Jiang, Peilong Zhao, Pingping Liu, Qian Zhao, Qing Cui, Qingxiang Huang, Qingyuan Yang, Quankun Yu, Shaowei Wei, Shijie Lian, Shoujian Zheng, Shun Song, Shungen Zhang, Shuo Zhang, Siyuan Li, Song Liu, Ting Guo, Tong Zhao, Wanli Gu, Weichang Wu, Weiguang Han, Wenjing Fang, Wubin Wang, Xiang Shu, Xiao Shi, Xiaoshun Lan, Xiaolu Zhang, Xiaqing Sun, Xin Zhao, Xingyu Lu, Xiong Xu, Xudong Wang, Xudong Wang, Xuemin Yang, Yajie Yang, Yang Xiang, Yanzhe Li, Yi Zhang, Yilong Wang, Yingxue Li, Yongzhen Guo, Yuzhuo Fu, Yuanyuan Wang, Yue Yang, Yue Yu, Yufeng Deng, Yun Zhang, Yunfei Xu, Yuqi Zhang, Yuxiao He, Zengke Gui, Zhaoxin Huan, Zhaoyang Wang, Zhibo Zhu, Zhihao Wang, Zhiqiang Zhang, Zhoufei Wang, Zihang Zeng, Ziqi Liu, Zitao Xuan, Zuoli Tang

cs.AI

Abstract

Introduciamo Ling 2.0, una serie di modelli linguistici di base orientati al ragionamento, costruita sul principio per cui ogni attivazione potenzia la capacità di ragionamento. Progettata per scalare da decine di miliardi a un trilione di parametri sotto un paradigma unificato di Mixture-of-Experts (MoE), Ling 2.0 enfatizza un'elevata sparsità, una consistenza trasversale alle scale e un'efficienza guidata da leggi di scaling empiriche. La serie include tre modelli "non-thinking" (instruct) - Ling-mini-2.0, Ling-flash-2.0 e Ling-1T - che spaziano da 16B a 1T di parametri totali e raggiungono un'efficienza computazionale attiva fino a 7 volte superiore rispetto alle controparti dense. Ling 2.0 integra innovazioni coordinate nell'architettura del modello, nel pre-training, nel post-training e nelle infrastrutture: un MoE ad alta sparsità con MTP per un ragionamento efficiente, dati orientati al ragionamento e attivazione CoT a metà training, fine-tuning basato su rinforzo (DFT, Evo-CoT) e training full-scale in FP8 con pipeline eterogenee a grana fine. Alla scala del trilione, Ling-1T stabilisce una nuova frontiera di Pareto tra accuratezza nel ragionamento ed efficienza computazionale, dimostrando che l'attivazione sparsa, quando allineata correttamente con gli obiettivi di ragionamento, abilta un'intelligenza scalabile ed efficiente. Nel complesso, Ling 2.0 fornisce una base coerente, aperta ed efficiente per far progredire i futuri modelli di ragionamento e pensiero, inclusa la serie Ring costruita sulla stessa base.

English

We introduce Ling 2.0, a series reasoning-oriented language foundation built upon the principle that every activation boosts reasoning capability. Designed to scale from tens of billions to one trillion parameters under a unified Mixture-of-Experts (MoE) paradigm, Ling 2.0 emphasizes high sparsity, cross-scale consistency, and efficiency guided by empirical scaling laws. The series includes three non-thinking (instruct) models - Ling-mini-2.0, Ling-flash-2.0, and Ling-1T - ranging from 16B to 1T total parameters and achieving up to 7-fold active-compute efficiency compared with dense counterparts. Ling 2.0 integrates coordinated innovations across model architecture, pre-training, post-training, and infrastructure: a high-sparsity MoE with MTP for efficient reasoning, reasoning-oriented data and mid-training CoT activation, reinforcement-based fine-tuning (DFT, Evo-CoT), and full-scale FP8 training with fine-grained heterogeneous pipelines. At the trillion scale, Ling-1T establishes a new Pareto frontier of reasoning accuracy versus computational efficiency, demonstrating that sparse activation, when properly aligned with reasoning objectives, enables scalable and efficient intelligence. Collectively, Ling 2.0 provides a coherent, open, and efficient foundation for advancing future reasoning and thinking models, including the Ring series built upon the same base.