🎯 情报来源：量子位
蚂蚁百灵团队开源轻量级推理模型Ring-lite，在AIME24/25、LiveCodeBench、CodeForce、GPQA-diamond等推理榜单中达到SOTA效果，激活参数仅2.75B，性能比肩10B以下Dense模型。该模型基于MoE架构Ling-lite-1.5（总参数16.8B）训练，采用独创的C3PO强化学习训练方法，解决了RL训练稳定性、Long-CoT SFT和RL的token分配等关键技术难题。
核心要点：
- Ring-lite在数学推理（AIME24得分76.61、AIME25得分69.11）、编程竞赛（LiveCodeBench得分60.66,CodeForces得分86.45）和科学推理（GPQA-diamond得分61.05）中均领先或持平对比模型。
- 采用C3PO强化学习训练方法，固定每个step的训练token数，显著改善RL训练中的梯度范数和吞吐波动问题。
- 从token efficiency角度提出基于entropy loss平衡SFT和RL训练比重的方案，效率较纯RL和纯SFT大幅提升。
- 构建了包含数学（73,000题）、编程（14,000样本）和科学（3,833题）的高质量RL训练数据集。
- 在2025年高考数学全国一卷测试中，成绩分布在126~138分之间。
📌 情报分析
技术价值：极高
C3PO方法解决了RL训练稳定性难题，并通过token-level优化提升效率；模型在多项推理任务中表现优异，激活参数仅2.75B，效率优势显著。
商业价值：高
轻量级模型更适合实际部署，开源策略可加速生态构建；在教育和竞赛题库等垂直领域有直接应用潜力，高考题型测试已验证部分场景适配性。
趋势预测：
未来3-6个月，团队计划实现动态token Budget分配和端到端协同优化，可能进一步突破轻量级模型性能边界；开源生态将吸引更多开发者参与MoE架构优化。