Publicado em 22 de outubro de 2025, o resumo apresenta o Ring-1T, modelo de raciocínio MoE com 1 trilhão de parâmetros e cerca de 50 bilhões ativos por token, e descreve seu treinamento em três fases.
Um post publicado em 22 de outubro de 2025 descreve o Ring-1T, um modelo de raciocínio baseado em mistura de especialistas (MoE), com 1 trilhão de parâmetros e cerca de 50 bilhões ativos por token. O resumo informa três etapas de treinamento: ajuste supervisionado com cadeias de raciocínio longas (long-CoT), aprendizado por reforço para raciocínio com recompensas verificáveis e aprendizado por reforço com feedback humano (RLHF) de caráter geral.
O texto também cita IcePop, C3PO++ e ASystem como componentes relacionados às abordagens de sistema e ao escalonamento do aprendizado por reforço em modelos grandes de raciocínio. Para consultar e verificar as afirmações e os detalhes técnicos, leia a publicação original e confira como ela define cada fase e componente; o resumo disponível não apresenta resultados quantitativos de avaliação.