Компания InclusionAI представила свою новую модель Ling-1T, основанную на архитектуре Ling 2.0, которая оптимизирована для «эффективного рассуждения». Эта модель включает в себя триллион параметров и использует лишь около 5% нейронов для обработки каждого токена. Ling-1T поддерживает контекст длиной до 128 тысяч токенов и обучена на 20 триллионах токенов, из которых 40% составляют задачи, требующие рассуждений.

Модель применяет инновационный подход под названием Evo-CoT (Evolutionary Chain-of-Thought), что позволяет ей выполнять «поэтапное мышление». В тестах по кодированию, таких как mbpp и LiveCodeBench, Ling-1T успешно обходит такие модели, как GPT-5 и DeepSeek-V3, а также демонстрирует увеличение точности на 5-10% в математических оценках AIME-2025 и Omni-Math.

Дополнительно, система LPO (Linguistic Policy Optimization) улучшает поведение модели не по токенам, а по смысловым предложениям. Ling-1T доказывает, что масштаб и эффективность могут сосуществовать, предоставляя возможность обучать триллионные модели, которые рассуждают экономно и детерминировано.