Подразделение Ant Group, ответственное за разработку больших языковых моделей, предоставило свободный доступ к программному коду системы Ring-2.6-1T. Модель с триллионом параметров построена на механизме, позволяющем настраивать глубину логических рассуждений. Создатели адресовали эту нейросеть сценариям, где требуются сложные многошаговые выкладки и работа с агентными потоками.
Файлы с весовыми коэффициентами Ring-2.6-1T появились на платформах Hugging Face и ModelScope. Лицензия MIT, под которой распространяется код, относится к числу наиболее свободных в сфере открытых моделей. Разработчики могут применять систему в коммерческих проектах без дополнительных ограничений. Архитектура нейросети сочетает в себе три ключевых элемента: усиленную способность к выполнению агентных задач, регулируемую глубину размышлений и асинхронное обучение с подкреплением.
Главная особенность Ring-2.6-1T — гибкая механика Reasoning Effort. Инженеры заложили в модель два режима: «high» и «xhigh». Первый нацелен на повседневную работу с агентами, подходит для многоэтапных диалогов, вызова внешних инструментов и разбора сложных запросов на составные части. Второй режим требует больше вычислительных ресурсов. Его включают для задач, где нужны предельная точность и глубокий анализ: математические олимпиады, научные исследования, логический поиск в неочевидных условиях. Пользователь самостоятельно выбирает интенсивность размышлений в зависимости от поставленной цели.
Результаты тестов демонстрируют разницу между двумя режимами. В режиме «high» на бенчмарке PinchBench модель получила 87,60 балла. Этот показатель превзошёл результаты GPT-5.4 xHigh и Gemini-3.1-Pro high. На наборе задач ClawEval модель набрала 63,82 балла. В тесте Tau2-Bench Telecom результат достиг 95,32 балла, что менее чем на один балл уступает лидирующим моделям. В режиме «xhigh» на экзамене AIME 2026 система набрала 95,83 балла, сравнявшись с показателями DeepSeek-V4-Pro Max и Kimi K2.6 Thinking. В тесте GPQA Diamond, проверяющем умение рассуждать на уровне выпускника вуза, нейросеть получила 88,27 балла.
Архитектурной основой Ring-2.6-1T стала разреженная смесь экспертов. Общее число параметров достигает одного триллиона, однако в каждый момент времени активируется только 63 миллиарда из них. Такой подход сокращает затраты на вычисления и ускоряет отклик системы. Технология асинхронного обучения с подкреплением составляет второй столп конструкции. В отличие от традиционного синхронного метода, где ресурсы графических процессоров простаивали в ожидании, новый подход разделяет сбор примеров и обновление весов на две независимые линии. Для устойчивости обучения инженеры применили алгоритм «леденец», ранее проверенный на модели Ring-1T.
Релиз Ring-2.6-1T продолжает стратегию Ant Group по выстраиванию открытой экосистемы искусственного интеллекта. В феврале 2026 года компания уже выложила в открытый доступ две модели серии Ling: Ling-2.5-1T с одним триллионом параметров и гибридную линейную модель Ring-2.5-1T. В апреле появилась инструктивная система Ling-2.6-flash со 104 миллиардами параметров, из которых активны 7,4 миллиарда. Все эти модели, вместе с Ring-2.6-1T, образуют три основных семейства: Ling для быстрых ответов без размышлений, Ring для продуманных выводов и Ming для мультимодальных сценариев. Показательна реакция рынка: анонимная тестовая версия Ling-2.6-flash под именем Elephant Alpha несколько дней возглавляла рейтинг популярности на платформе OpenRouter, где её ежедневное потребление токенов достигало 100 миллиардов.
Выход Ring-2.6-1T под лицензией MIT подчёркивает сдвиг в индустрии искусственного интеллекта. Производители переходят от гонки за числом параметров к тонкой настройке вычислительной эффективности. Возможность выбрать глубину размышлений в зависимости от задачи снижает порог внедрения тяжёлых нейросетей в реальные бизнес-процессы. Каждый разработчик теперь волен решить, что ему нужнее: быстрый ответ для чат-бота или долгий расчёт для научной статьи.