我们推出 Ling 2.0，这是一个以“每一次激活均提升推理能力”为核心原则构建的、面向系列化推理任务的语言基础模型。Ling 2.0 在统一的专家混合（Mixture-of-Experts, MoE）架构下，可从数十亿参数扩展至一万亿参数，强调高稀疏性、跨尺度一致性以及由实证缩放定律指导的高效性。该系列包含三个非思考型（指令型）模型：Ling-mini-2.0、Ling-flash-2.0 和 Ling-1T，参数规模从 160 亿到一万亿不等，相比密集模型，其活跃计算效率最高提升达 7 倍。Ling 2.0 在模型架构、预训练、后训练及基础设施层面实现了协同创新：采用高稀疏 MoE 架构并结合多任务提示（MTP）以实现高效推理；引入面向推理优化的数据集与中段训练中的思维链（CoT）激活机制；采用基于强化学习的微调方法（DFT、Evo-CoT）；并实现全规模 FP8 训练与细粒度异构流水线。在万亿参数规模下，Ling-1T 建立了推理准确率与计算效率之间的全新帕累托前沿，证明了当稀疏激活机制与推理目标合理对齐时，可实现可扩展且高效的智能系统。总体而言，Ling 2.0 为未来推理与思考类模型的发展提供了一个连贯、开放且高效的基础设施，也为基于相同基础构建的 Ring 系列模型奠定了坚实基础。