Ant Group étend ses modèles d'IA ouverte avec Ling-2.5-1T et Ring-2.5-1T

Découvrez les principales actualités et événements fintech !

Abonnez-vous à la newsletter de FinTech Weekly

Lue par des dirigeants de JP Morgan, Coinbase, Blackrock, Klarna et plus encore

Le développement de l’intelligence artificielle au sein de grandes entreprises de technologies financières entre dans une nouvelle phase. Ant Group a publié deux modèles d’IA à deux mille milliards de paramètres sous licences ouvertes, prolongeant sa famille de modèles Ling et signalant des investissements continus dans des systèmes de raisonnement avancés liés aux services financiers et numériques.

La société fintech basée à Hangzhou a annoncé Ling-2.5-1T, un grand modèle de langage conçu pour un raisonnement efficace et l’interaction d’agents, ainsi que Ring-2.5-1T, présenté comme le premier modèle de pensée à architecture linéaire hybride. Les deux systèmes reposent sur la série Ling 2.0 introduite en octobre 2025 et sont disponibles sur Hugging Face et ModelScope, deux plateformes largement utilisées pour la diffusion d’IA open.

Ces publications s’inscrivent dans une mise à jour plus large de l’offre d’IA open d’Ant Group, qui inclut également la série multimodale Ming. Plus tôt ce mois-ci, l’entreprise a présenté Ming-Flash-Omni-2.0, un modèle unifié gérant la parole, l’audio et la musique au sein d’une seule architecture.

Les modèles à mille milliards de paramètres privilégient le raisonnement efficace

Ling-2.5-1T représente le dernier fleuron de la série Ling de modèles de langage général d’Ant Group. Les supports de l’entreprise décrivent des améliorations de l’efficacité du raisonnement et de l’alignement des préférences, ainsi que la prise en charge de l’interaction native des agents. Le modèle accepte des longueurs de contexte allant jusqu’à un million de jetons, permettant des analyses au long cours et des tâches de dialogue étendu.

Les gains d’efficacité semblent au cœur de la mise à jour. Ant Group a indiqué que Ling-2.5-1T correspond aux performances des modèles de raisonnement de pointe sur le benchmark AIME 2026 tout en utilisant substantiellement moins de jetons. Des systèmes comparables nécessitent généralement entre 15,000 et 23,000 jetons pour des résultats similaires. Ling-2.5-1T utilise environ 5,890 jetons, selon l’entreprise.

La réduction de l’usage des jetons impacte les coûts de calcul et la vitesse de réponse. Dans les déploiements en entreprise, de telles améliorations peuvent réduire les dépenses d’inférence et permettre des applications à plus grande échelle. Les entreprises de technologies financières traitent souvent des tâches linguistiques à fort volume telles que l’analyse de conformité, les interactions avec les clients et la relecture des documents. L’efficacité revêt donc une importance opérationnelle.

Ring-2.5-1T vise le raisonnement mathématique avancé

Ring-2.5-1T appartient à la série Ring optimisée pour le raisonnement d’Ant Group. Le modèle utilise, comme le dit l’entreprise, une architecture linéaire hybride, destinée à améliorer la résolution de problèmes structurée. Ant Group a rapporté de hauts scores sur des benchmarks de mathématiques académiques, y compris des résultats atteignant des standards de médaille d’or dans des compétitions internationales.

Sur le benchmark de l’International Mathematical Olympiad 2025, Ring-2.5-1T a obtenu 35 sur 42. Sur le benchmark de la China Mathematical Olympiad 2025, il a atteint 105 sur 126, au-dessus du seuil de l’équipe nationale. Ces tests évaluent le raisonnement en plusieurs étapes et la manipulation symbolique plutôt que l’aisance générale en langage.

Une forte performance dans ce domaine suggère des progrès dans des systèmes de raisonnement spécialisés. Les benchmarks mathématiques sont devenus un point de référence pour évaluer la capacité de raisonnement des grands modèles. Les améliorations peuvent se traduire par des applications nécessitant une analyse structurée, comme la modélisation financière, l’évaluation des risques ou le calcul scientifique.

Expansion de la famille de modèles Ling

La famille Ling, également connue sous le nom de BaiLing, compte désormais trois grandes branches : les modèles de langage général Ling, les modèles de raisonnement Ring et les systèmes multimodaux Ming. Les publications de février mettent à jour chaque branche sur une période courte. Ant Group a décrit ces publications comme une mise à niveau complète de la famille de modèles open.

La diffusion ouverte reste un élément notable de la stratégie. En publiant des modèles sous licences ouvertes, Ant Group permet aux chercheurs et aux développeurs d’y accéder et de les adapter. L’IA open source est devenue un domaine concurrentiel parmi les grandes entreprises technologiques et les groupes de recherche. La disponibilité sur Hugging Face et ModelScope place les modèles au sein de communautés mondiales de développement.

Pour les entreprises fintech, les modèles ouverts peuvent accélérer l’adoption par l’écosystème. Des développeurs externes peuvent construire des applications adaptées aux tâches du secteur, élargissant les cas d’usage pratiques sans développement direct du fournisseur. Ant Group a poursuivi des approches similaires dans les paiements et les plateformes de finance digitale, en encourageant l’intégration par des tiers.

Développement multimodal avec Ming-Flash-Omni-2.0

Les publications Ling et Ring font suite à l’introduction de Ming-Flash-Omni-2.0 le 11 février. Ant Group a décrit ce modèle comme le premier à unifier la parole, l’audio et la musique au sein d’une seule architecture. Les systèmes multimodaux intègrent plusieurs types de données, permettant des interactions entre la voix, les sons et le texte.

Cette capacité est pertinente pour les interfaces des services financiers. Les assistants vocaux, l’authentification audio et les outils bancaires conversationnels s’appuient sur le traitement multimodal. Intégrer plusieurs modalités dans un seul modèle peut simplifier le déploiement et la coordination entre les canaux. Ant Group n’a pas divulgué de comparaisons de benchmarks pour Ming-Flash-Omni-2.0, mais l’a positionné comme un modèle omni à grande échelle.

Le calendrier des publications sur trois lignes de modèles suggère un développement coordonné plutôt que des mises à jour isolées. Ling, Ring et Ming couvrent ensemble le langage, le raisonnement et l’interaction multimodale. Cette combinaison correspond aux déploiements d’IA en entreprise nécessitant plusieurs fonctions cognitives.

Développement d’IA au sein des entreprises de technologies financières

Les grandes entreprises fintech construisent de plus en plus leurs propres infrastructures d’IA. Les plateformes de paiement, les banques digitales et les places de marché financières génèrent de vastes flux de données et font fonctionner des systèmes de risque complexes. Les modèles d’IA internes peuvent traiter à grande échelle les données de transactions, les communications clients et les dossiers de conformité.

Ant Group a investi dans la recherche en IA pendant plusieurs années, en appliquant le machine learning à la détection de fraude, l’évaluation de crédit et l’automatisation des services. La famille Ling étend cette capacité aux modèles de langage général et axés sur le raisonnement. Les publications ouvertes étendent la portée au-delà de l’usage interne.

L’approche reflète une tendance plus large dans la finance pilotée par la technologie. Le développement d’IA ne se concentre plus seulement sur des modèles de prédiction spécialisés. Il inclut désormais des systèmes de langage et de raisonnement capables d’accomplir des tâches générales. Ces modèles peuvent prendre en charge des agents automatisés, l’analyse des décisions et des interfaces conversationnelles.

Vers la recherche en intelligence générale artificielle

Ant Group a présenté les mises à niveau de la famille Ling comme des progrès vers l’intelligence générale artificielle. L’AGI fait référence à des systèmes capables d’accomplir une large gamme de tâches cognitives avec une adaptabilité comparable au raisonnement humain. Les définitions du secteur varient, et l’AGI demeure un objectif ambitieux plutôt qu’une étape définie.

Publier des modèles à deux mille milliards de paramètres contribue à l’échelle de la recherche. Le nombre de paramètres, à lui seul, ne détermine pas les capacités, mais les grands modèles permettent souvent un apprentissage plus étendu des représentations. Combiné à des expériences d’architecture de raisonnement et à une intégration multimodale, ce travail explore des voies vers des systèmes généraux.

Ant Group n’a pas précisé de calendriers ni de métriques pour les progrès en AGI. L’entreprise décrit les publications comme des étapes au sein d’une recherche en cours plutôt que comme des affirmations d’une intelligence générale atteinte. La disponibilité publique des modèles permet une évaluation et une comparaison externes, susceptibles d’informer l’orientation de la recherche.

Implications pour le déploiement de l’IA en entreprise

Les nouveaux modèles pourraient influencer l’adoption de l’IA en entreprise dans la finance et d’autres secteurs. Les modèles de langage à long contexte permettent d’analyser des documents étendus et l’historique des transactions. Les systèmes axés sur le raisonnement prennent en charge des tâches d’évaluation structurée. Les modèles multimodaux permettent une interaction guidée par la voix.

L’accès ouvert permet aux organisations de tester ces capacités sans barrières de licence propriétaires. Les entreprises peuvent affiner les modèles pour des tâches spécifiques au domaine, comme la surveillance de la conformité, l’analyse de contrats ou l’automatisation du support client. La réduction de l’usage des jetons dans Ling-2.5-1T pourrait réduire les coûts opérationnels lors de grands déploiements.

Les performances sur les benchmarks en mathématiques indiquent un potentiel pour des tâches analytiques, même si la transposition vers des domaines appliqués nécessite une adaptation. Les entreprises combinent généralement des modèles de base avec des données spécialisées et des systèmes de contrôle. Les publications ouvertes d’Ant Group fournissent des architectures de départ plutôt que des solutions finalisées pour l’entreprise.

Contexte concurrentiel dans les modèles d’IA open

Les modèles open AI sont devenus un terrain de compétition parmi les entreprises technologiques et les groupes de recherche. Les entreprises publient de plus en plus de systèmes larges et performants pour attirer des écosystèmes de développeurs et influencer les standards. La disponibilité sur de grands dépôts soutient l’adoption et l’expérimentation.

Les publications d’Ant Group positionnent l’entreprise parmi les contributeurs mondiaux aux modèles open de grande échelle. Les entreprises de technologies financières consommaient historiquement des outils d’IA développés ailleurs. Construire et publier des modèles fondamentaux signale un changement vers l’innovation interne et une influence externe.

Les lancements de Ling-2.5-1T et Ring-2.5-1T revêtent donc une importance stratégique au-delà des métriques techniques. Ils indiquent un investissement soutenu dans la recherche en IA à grande échelle au sein d’une organisation fintech et une volonté de partager les résultats avec la communauté de développement au sens large.

Perspectives

Les dernières mises à jour de la famille Ling d’Ant Group étendent son portefeuille d’IA open sur les domaines du langage, du raisonnement et du multimodal. Les publications mettent l’accent sur l’efficacité, la résolution de problèmes structurée et l’intégration inter-modale. La disponibilité publique invite à des évaluations et des applications externes.

À mesure que les entreprises de technologies financières approfondissent leurs investissements en IA, le développement de modèles fondamentaux devient une partie de leur pile technologique. Les publications d’Ant Group à deux mille milliards de paramètres illustrent ce changement. L’impact pratique dépendra de la manière dont les développeurs et les entreprises appliqueront ces systèmes à des tâches concrètes, de l’analyse financière à l’interaction digitale.

Pour l’heure, les lancements de Ling-2.5-1T et Ring-2.5-1T marquent une nouvelle étape dans l’intégration de la recherche avancée en IA au sein du secteur fintech et de son écosystème d’innovation ouverte.