智东西

作者 | 江宇

编辑 | 漠影

智东西 9 月 26 日报道，蚂蚁百灵团队近日正式开源两款全新混合线性推理模型—— Ring-mini-linear-2.0 与 Ring-flash-linear-2.0。相比前代，这一轮升级在延续高稀疏 MoE 结构的基础上，引入了混合线性注意力（Linear Attention）机制，专为长文本、低成本推理等场景提效而设计。

眼下，大模型开始真正走进应用场景，推理成本却成了横在企业面前的一道坎。一边是用户希望更快、更久地交互，另一边却是又贵又慢的模型部署现实。在不牺牲效果的前提下降本提效，已经成了各家模型团队绕不开的问题。

据蚂蚁团队的实测数据，在保持 SOTA 精度的前提下，本轮开源的 Ring-linear 系列模型最大上下文长度 512k，将推理成本压缩至 dense 模型的 1/10，相比原有 Ring 模型推理成本降低 50% 以上，并且在高并发解码任务中吞吐量可达 Qwen3-8B 的 12 倍、Qwen3-32B 的 10 倍以上。

此外，蚂蚁团队还引入了精细化的推理优化融合算子、RL 训练对齐机制等系统级工具，直指当前推理成本与训练稳定性的关键瓶颈。

除了推理效率的显著提升，Ring-linear 系列模型在多项标准评测中的表现也不容忽视，尤其在数学推理、结构代码生成、通用语言理解与写作任务中，展现出与主流大模型相比具有竞争力的准确率。实测结果包括：

Ring-mini-linear-2.0：

Ring-flash-linear-2.0：

目前，这套模型现已同步上线多平台，开源地址如下：

魔搭社区：

https://modelscope.cn/models/inclusionAl/Ring-flash-linear-2.0/

GitHub：https://github.com/inclusionAI/Ring-V2/tree/main/hybrid_linear

Hugging Face：https://huggingface.co/inclusionAl/Ring-flash-linear-2.0

一、混合线性架构重构 Attention 计算图，推理成本再砍一半

此次开源的 Ring-linear 系列模型，构建于蚂蚁自研的 Ring-mini-2.0 与 Ring-flash-2.0 MoE 基座之上，最大特点是将主干 Attention 模块替换为自研线性 Attention 融合模块，辅以少量标准 Attention，形成高效混合注意力结构。

以 Ring-flash-linear 为例，其结构中 87.5% 的层采用线性 Attention（28 层线性 +4 层标准），结合旋转位置编码（RoPE）与分组 RMSNorm 等训练优化策略。这种高占比的线性架构，使得整体计算复杂度近似线性，在长上下文条件下，显著降低训练和推理的计算成本。

同时，该模型保持了 1/32 专家激活率的超稀疏 MoE 结构，通过 MTP（Mixture Token Parallel）与全局负载均衡设计，实现 " 以 6.1B 参数模拟 40B dense 模型 " 的效果。在保持性能的前提下，大幅降低激活参数与计算需求。

Ring-linear-2.0 系列模型架构示意图，主干结构采用线性 Attention 与稀疏 MoE 混合设计，最大支持 512K 上下文长度，并引入 MTP 多 token 预测训练目标。

在真实业务场景中，长文本处理、多轮交互频繁，大模型推理速度慢、成本高成为了其上线部署应用的最大阻碍。正因如此，如何在不牺牲效果的前提下降本提效，成了蚂蚁团队重点探索的方向，而线性 Attention 与稀疏 MoE 结合，正是他们给出的答案之一。

二、推理吞吐大幅领先，Prefill、Decode 双线提速

当大模型真正部署起来之后，推理吞吐才是决定体验和成本的 " 临门一脚 "。尤其在大模型进入多轮交互、长上下文等复杂场景后，单纯追求更大的参数规模，未必能换来更好的效果，反而可能因吞吐不足拖慢响应、推高成本。因此，Ring-linear 系列在推理性能上的表现，成为其能否落地的重要指标。

在推理性能方面，蚂蚁团队提供了详尽实测结果，Ring-linear 系列模型在长上下文与高并发生成场景中具备明显优势：

Ring-mini-linear-2.0 Prefill 吞吐 ( batch size = 1 )

Ring-mini-linear-2.0 Decode 吞吐 ( batch size = 64 )

Ring-mini-linear-2.0 在 Prefill 阶段（上下文 256k+）吞吐量为 Qwen3-8B 的 12 倍以上；在 Decode 阶段，生成长度 32k+ 时吞吐量同样为 Qwen3-8B 的 12 倍以上。

Ring-flash-linear-2.0 Prefill 吞吐 ( batch size = 1 )

Ring-flash-linear-2.0 Decode 吞吐 ( batch size = 64 )

Ring-flash-linear-2.0 则在对比 Qwen3-32B 时展现出突出优势——上下文 32k 以上，Prefill 阶段吞吐量近 5 倍；生成长度 64k 时，Decode 阶段逼近 10 倍吞吐优势。这些优化均得益于蚂蚁团队对推理框架（SGLang/vLLM v1）的深度适配与线性算子的定制化加速。

测试显示，优化后的 triton kernel 最高加速比可达 2.73 倍（prefill 单样本任务），在典型 decode 场景中也能够达到 2.57 倍，并支持批量 prefill 与混合推理模式，有效应对真实部署场景中的多并发挑战。

Ring-linear 系列在线性 Attention 算子推理任务中的加速表现

这些优化奠定了 Ring-linear 系列模型在推理层面的基础。而要将模型真正推进 RL 训练、提升长期表现，还得解决另一个关键问题：训推一致性。

三、训推一致性修复 RL 瓶颈，支持长输出下的直接采样

强化学习（RL）阶段的稳定性问题，常常来源于训练 - 推理（训推）实现不一致。尤其在 MoE 模型中，组件如 RMSNorm、RoPE、Attention、KVCache、softmax 等在不同框架间存在精度 / 顺序 / 后处理差异，会严重干扰 on-policy 策略更新，导致 reward 波动大、训练上限低。

为此，蚂蚁团队从框架底层修正训推逻辑差异，提出三项改进：

1、算子级一致性：训练与推理采用相同模块实现；

2、精度统一：重要模块如 KVCache 与 lm_head 统一采用 fp32；

3、确定性保障：MOE 专家选择、token 加和顺序引入稳定排序与固定顺序。

实测显示，修复关键模块后 RL reward 显著提升，并首次实现 RL 阶段直接使用 rollout probs 而非 training probs，不仅节省重前向计算时间，还提升了训练效率与最终回报。

对比使用 rollout probs 与 raining probs 进行 PPO clip 训练的效果。左图为训练奖励（Reward）变化趋势，右图为训推概率差异绝对值大于 0.8 的 token 占比，对齐后训推差异显著降低。

这一系列修复，为 MoE 模型走向强化学习阶段扫清了落地障碍，也让长输出任务具备了稳定训练和高质量采样的基础能力。简单来说，就是模型在训练时学会的 " 策略 "，能够在推理时原样执行出来。一旦训推一致，模型就真的学会了 " 决策 "。

四、实测：结构代码生成清晰完整，动画逻辑具备通用性

蚂蚁团队也围绕 Ring-linear 系列模型进行了多组结构化代码生成的实测，任务涵盖图形动画控制、规则逻辑实现与游戏基础玩法复现。Ring-linear 系列模型均可根据自然语言指令输出结构清晰、可直接运行的 Python 代码，展示出良好的代码理解与生成能力。

实测任务包括：

1、数独游戏 web 代码生成

指令：" 编写一个数独游戏的 web 应用 "

模型生成代码能够快速实现一个 bug free 的数独游戏应用，包括正确数字初始化、难易程度选择、数字填写是否正确提示等核心功能。

2、坦克大战

指令："Use Python to create a simplified tank battle game. Users use the up, down, left, and right keys on the keyboard to control the free movement of a tank. The spacebar fires bullets to defeat enemy tanks in the game scene. The scene contains five freely moving enemy tanks, which fire bull

ets in the direction of the current tank ’ s movement. Each time an enemy tank is defeated, one point is awarded, and a new enemy tank is randomly generated. The game ends when the user ’ s tank is hit by an enemy tank."

输出 Python 代码覆盖坦克位置的初始化、方向自动控制、积分更新等完整逻辑模块，能够自主指挥坦克运动和射击。

3、股票系统应用

指令：" 请生成一个模拟股票交易软件的页面，数据可以是随机生成的，页面包含了五部分部分：

1. 日内的秒级数据，这部分需要一秒更新一次，按照线的方式进行展示。

2. 日 k 线，这部分可以展示最近 60 天的 ohlc 的数据，使用蜡烛图进行展示，涨了的是红色，跌了的是绿色。

3. 实时的成交量，也是一秒更新一次，现实数字即可。

4. 日线的成交量数据，用柱状图表示。

5. 公司的介绍，可以随机生成一些。

需要注意的点：

1. 请使用 canvas 绘制各种曲线和蜡烛图， 但是需要注意绘制图像的清晰度，需要为高清设备进行准备；

2. 需要可以根据窗口的大小自行调整 canvas 窗口的大小；

3. 使用原生的 js 和 html5 属性不要使用额外的库；

4. 请保证随机生成的价格数据都是可以使用的。"

模型可生成完整的模拟股票交易软件，涵盖交易价格、数量展示、趋势分析等核心功能。同时生成页面展示精美，有较强的指令遵循能力。

整体来看，Ring-linear 系列模型在结构化代码生成任务中的表现稳定，具备良好的语义解析与逻辑组织能力，能够覆盖多类 Python、Web 编程指令，适用于可视化交互、小型逻辑游戏等场景的快速原型生成。

结语：混合线性架构成大模型新风口，百灵团队再打开一扇门

随着推理大模型越来越卷 " 长推理 "" 低成本 "，Test Time Scaling 正在变成新一轮技术追求的焦点。

蚂蚁百灵团队这轮开源的 Ring-linear 系列模型，结构上 " 做减法 "，用混合线性机制精简计算路径；推理上 " 做乘法 "，依靠稀疏 MoE 和系统级加速，把效率拉满。不只是跑得快、用得省，更在 RL 训练这块最难啃的骨头上，给出了全新解法。

随着更多推理场景开始关注高并发生成与超长上下文，这一轮开源有望推动混合线性架构成为下一阶段主流落地的关键方向之一。