Ant Group åpner Ling-2.6-1T: trillion-parameter modell med fast thinking-arkitektur
SYNOPSIS_GENERERT
Ant Group har åpnet Ling-2.6-1T på Hugging Face under MIT-lisens. Én billion parametere på en hybrid MLA + Linear Attention-arkitektur og 262 000 tokens kontekst. Modellen scorer 72,2 på SWE-bench Verified og hevder open-source SOTA på BFCL-V4, med topp-resultater på AIME26 og TAU2-Bench. «Fast Thinking»-mekanismen kutter overflødig chain-of-thought-output via det Ant kaller Contextual Process Redundancy Suppression, og gir lavere VRAM-bruk og raskere inference på lange kontekster. Modellen er klar for agent-workflows som Claude Code, OpenClaw og OpenCode — Ant forlenger gratis API-tilgang via OpenRouter i én uke til.
Hva betyr dette i praksis
Hvis du tester agent-rammeverk lokalt, har du nå en åpen modell som matcher kommersielle på SWE-bench-kvalitet, men med en arkitektur bygget for at lange kontekster ikke spiser VRAM. «Fast Thinking»-grepet er interessant for kodeoppgaver der modellen ellers brenner tokens på resonnering du ikke trenger. Verdt å prøve via OpenRouter mens API-et er gratis. Modellstørrelsen gjør lokal kjøring uten alvorlig rigg upraktisk, så dette er primært en sky-modell for hjemmeprosjekter.