inclusionAI veröffentlicht Ling-2.6-1T: Hybridarchitektur-Modell mit Billionen Parametern, Sparse Attention und schnellem Denken

inclusionAI hat Ling-2.6-1T als Open-Source-Modell veröffentlicht, ein Flaggschiff mit einer Billion Parametern aus der Ling-Familie, das für komplexe reale Aufgaben entwickelt wurde. Das Modell führt eine hybride Architektur ein, die Multi-head Latent Attention (MLA) und Linear Attention kombiniert, um die Inferenzeffizienz zu verbessern, Latenz und VRAM-Nutzung bei langen Kontexten zu senken und gleichzeitig die Ausdruckskraft zu erhalten.

Schnelles Denken durch Belohnungsstrategie

Das Post-Training verwendet eine Belohnungsstrategie zur Contextual Process Redundancy Suppression, die kürzere, direkte Ausgaben fördert – ein Mechanismus des „schnellen Denkens“, der wortreiche Gedankenketten reduziert. Dies senkt den Token-Overhead bei gleichbleibender Leistung.

Benchmark-Spitzenwerte

Ling-2.6-1T erzielt Open-Source-Spitzenwerte bei ausführungsintensiven Benchmarks:

• AIME26 (Argumentation)
• SWE-bench Verified (Softwareentwicklung)
• BFCL-V4 (Funktionsaufruf)
• TAU2-Bench (Aufgabenerfüllung)
• IFBench (Befolgung von Anweisungen)

Agenten-Integration

Das Modell ist für durchgängige Engineering-Workflows ausgelegt – von der Codegenerierung bis zur Fehlerbehebung – und integriert sich in gängige Agenten-Frameworks wie Claude Code, OpenClaw, OpenCode und CodeBuddy. Es bewältigt Multi-Tool- und Multi-Step-Anforderungen in Unternehmensumgebungen.