Elke Activatie Versterkt: Het Opschalen van een Algemene Redeneerder naar een Open Taalbasis van 1 Biljoen

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

October 25, 2025

Auteurs: 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

Samenvatting

Wij introduceren Ling 2.0, een serie taalmodellen met een redeneergerichte basis, gebouwd op het principe dat elke activatie het redeneervermogen versterkt. Ontworpen om te schalen van tientallen miljarden tot één biljoen parameters binnen een verenigd Mixture-of-Experts (MoE)-paradigma, legt Ling 2.0 de nadruk op hoge sparse activatie, consistentie over verschillende schalen en efficiëntie geleid door empirische schaalwetten. De serie omvat drie niet-denkende (instruct-)modellen - Ling-mini-2.0, Ling-flash-2.0 en Ling-1T - met een bereik van 16B tot 1T totale parameters en een tot 7-voudige efficiëntie in actieve rekenkracht vergeleken met dichte tegenhangers. Ling 2.0 integreert gecoördineerde innovaties op het gebied van modelarchitectuur, voorafgaande training, training-na-training en infrastructuur: een high-sparsity MoE met MTP voor efficiënt redeneren, redeneergerichte data en CoT-activatie tijdens de training, reinforcement-gebaseerde fine-tuning (DFT, Evo-CoT), en training op volledige schaal met FP8 en fijnmazige heterogene pijplijnen. Op de biljoenschaal vestigt Ling-1T een nieuwe Pareto-grens voor redeneernauwkeurigheid versus computationele efficiëntie, wat aantoont dat sparse activatie, wanneer goed afgestemd op redeneerdoelen, schaalbare en efficiënte intelligentie mogelijk maakt. Gezamenlijk biedt Ling 2.0 een samenhangende, open en efficiënte basis voor de verdere ontwikkeling van toekomstige redeneer- en denkmodellen, inclusief de Ring-serie die op dezelfde basis is gebouwd.

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.