Компания InclusionAI представила Ling-1T, первую модель, созданную на базе архитектуры Ling 2.0, которая оптимизирована для «эффективного рассуждения». Эта модель имеет триллион параметров и использует метод MoE, при котором задействовано всего около 5% нейронов для обработки каждого токена. Ling-1T справляется с контекстом длиной до 128K токенов и обучалась на 20 триллионах токенов, около 40% из которых составляют задачи, требующие рассуждений.

В модели применен новый метод Evo-CoT (Evolutionary Chain-of-Thought), способствующий поэтапному мышлению. В бенчмарках кода, таких как mbpp и LiveCodeBench, модель уверенно опережает GPT-5 и DeepSeek-V3. В математических тестах AIME-2025 и Omni-Math Ling-1T демонстрирует прирост в точности на 5-10%. оптимизация поведения модели

Оптимизация поведения модели осуществляется с помощью системы LPO (Linguistic Policy Optimization), которая учитывает не токены, а смысловые предложения. Ling-1T подтверждает, что возможно сочетание масштабности и эффективности при обучении триллионной модели с экономным и детерминированным рассуждением.