Ant Group amplía los modelos de IA abierta con Ling-2.5-1T y Ring-2.5-1T

¡Descubre las principales noticias y eventos del sector fintech!

Suscríbete al boletín de FinTech Weekly

Leído por ejecutivos de JP Morgan, Coinbase, Blackrock, Klarna y más

El desarrollo de inteligencia artificial en grandes empresas de tecnología financiera está entrando en una nueva etapa. Ant Group ha lanzado dos modelos de IA de dos billones de parámetros bajo licencias abiertas, ampliando su familia de modelos Ling y señalando una inversión continua en sistemas avanzados de razonamiento vinculados a servicios financieros y digitales.

La empresa fintech con sede en Hangzhou anunció Ling-2.5-1T, un modelo de lenguaje grande diseñado para un razonamiento eficiente y la interacción con agentes, junto con Ring-2.5-1T, descrito como el primer modelo híbrido de arquitectura lineal para el pensamiento. Ambos sistemas se basan en la serie Ling 2.0 introducida en octubre de 2025 y están disponibles en Hugging Face y ModelScope, dos plataformas ampliamente utilizadas para la distribución de IA abierta.

Los lanzamientos forman parte de una actualización más amplia en la cartera de IA abierta de Ant Group, que también incluye la serie multimodal Ming. A principios de este mes, la compañía presentó Ming-Flash-Omni-2.0, un modelo unificado que maneja voz, audio y música en una sola arquitectura.

Modelos de Trillones de Parámetros Enfocados en un Razonamiento Eficiente

Ling-2.5-1T representa el último buque insignia de la serie Ling de modelos de lenguaje general de Ant Group. Los materiales de la compañía describen mejoras en la eficiencia del razonamiento y en la alineación de preferencias, además de soporte para la interacción nativa con agentes. El modelo acepta longitudes de contexto de hasta un millón de tokens, permitiendo análisis de forma prolongada y tareas de diálogo extendido.

Las ganancias en eficiencia parecen ser el centro de esta actualización. Ant Group informó que Ling-2.5-1T iguala el rendimiento de modelos de razonamiento de vanguardia en el benchmark AIME 2026, usando significativamente menos tokens. Sistemas comparables suelen requerir entre 15,000 y 23,000 tokens para resultados similares. Ling-2.5-1T utiliza aproximadamente 5,890 tokens, según la compañía.

La reducción en el uso de tokens afecta el costo computacional y la velocidad de respuesta. En implementaciones empresariales, estas mejoras pueden reducir los gastos de inferencia y permitir aplicaciones a mayor escala. Las empresas fintech procesan tareas de lenguaje de alto volumen, como análisis de cumplimiento, interacción con clientes y revisión de documentos. La eficiencia, por tanto, tiene una importancia operativa significativa.

Ring-2.5-1T Apunta a un Razonamiento Matemático Avanzado

Ring-2.5-1T pertenece a la serie Ring, optimizada para el razonamiento, de Ant Group. El modelo utiliza lo que la compañía llama una arquitectura híbrida lineal, diseñada para mejorar la resolución estructurada de problemas. Ant Group reportó puntuaciones altas en pruebas académicas de matemáticas, incluyendo resultados que cumplen con los estándares de medalla de oro en competencias internacionales.

En la prueba del Olympiad Internacional de Matemáticas 2025, Ring-2.5-1T obtuvo 35 de 42. En la Olimpiada Matemática de China 2025, alcanzó 105 de 126, por encima del corte del equipo nacional. Estas pruebas evalúan razonamiento en múltiples pasos y manipulación simbólica, en lugar de fluidez en lenguaje general.

Un rendimiento sólido en este dominio sugiere avances en sistemas de razonamiento especializados. Los benchmarks matemáticos se han convertido en un punto de referencia para evaluar la capacidad de razonamiento en modelos grandes. Las mejoras pueden traducirse en aplicaciones que requieren análisis estructurado, como modelado financiero, evaluación de riesgos o cálculo científico.

Expansión de la Familia de Modelos Ling

La familia Ling, también conocida como BaiLing, ahora consta de tres líneas principales: modelos de lenguaje general Ling, modelos de razonamiento Ring y sistemas multimodales Ming. Las versiones de febrero actualizan cada línea en un corto período. Ant Group describió los lanzamientos como una actualización integral en toda la familia de modelos abiertos.

La distribución abierta sigue siendo un elemento destacado de la estrategia. Al lanzar modelos bajo licencias abiertas, Ant Group permite que investigadores y desarrolladores accedan y adapten estos modelos. La IA de código abierto se ha convertido en un campo competitivo entre las principales empresas tecnológicas y grupos de investigación. La disponibilidad en Hugging Face y ModelScope sitúa a los modelos en comunidades de desarrollo globales.

Para las empresas fintech, los modelos abiertos pueden acelerar la adopción del ecosistema. Desarrolladores externos pueden crear aplicaciones adaptadas a tareas del sector, ampliando casos de uso prácticos sin necesidad de desarrollo directo por parte del proveedor. Ant Group ha adoptado enfoques similares en plataformas de pagos y finanzas digitales, fomentando la integración de terceros.

Desarrollo Multimodal con Ming-Flash-Omni-2.0

Los lanzamientos de Ling y Ring siguen a la introducción de Ming-Flash-Omni-2.0 el 11 de febrero. Ant Group describió ese modelo como el primero en unificar voz, audio y música en una sola arquitectura. Los sistemas multimodales integran múltiples tipos de datos, permitiendo interacciones entre voz, sonido y texto.

Tal capacidad es relevante para interfaces de servicios financieros. Asistentes de voz, autenticación por audio y herramientas de banca conversacional dependen del procesamiento multimodal. La integración de modalidades en un solo modelo puede simplificar el despliegue y la coordinación entre canales. Ant Group no divulgó comparaciones de benchmarks para Ming-Flash-Omni-2.0, pero lo posicionó como un modelo omni a gran escala.

El momento de los lanzamientos en las tres líneas de modelos sugiere un desarrollo coordinado en lugar de actualizaciones aisladas. Ling, Ring y Ming cubren en conjunto lenguaje, razonamiento e interacción multimodal. Esa combinación se alinea con implementaciones de IA empresarial que requieren múltiples funciones cognitivas.

Desarrollo de IA en Empresas de Tecnología Financiera

Las grandes empresas fintech construyen cada vez más infraestructura de IA propia. Plataformas de pago, bancos digitales y mercados financieros generan flujos de datos masivos y operan sistemas complejos de gestión de riesgos. Los modelos internos de IA pueden procesar datos de transacciones, comunicación con clientes y registros de cumplimiento a gran escala.

Ant Group ha invertido en investigación de IA durante varios años, aplicando aprendizaje automático en detección de fraudes, evaluación crediticia y automatización de servicios. La familia Ling amplía esta capacidad hacia modelos de lenguaje general y enfocados en razonamiento. Las versiones abiertas amplían su alcance más allá del uso interno.

Este enfoque refleja una tendencia más amplia en las empresas financieras impulsadas por tecnología. El desarrollo de IA ya no se centra solo en modelos predictivos especializados. Ahora incluye sistemas de lenguaje y razonamiento de gran escala capaces de realizar tareas generales. Estos modelos pueden soportar agentes automatizados, análisis de decisiones y interfaces conversacionales.

Hacia la Investigación en Inteligencia Artificial General

Ant Group enmarcó las actualizaciones de la familia Ling como avances hacia la inteligencia artificial general (AGI). La AGI se refiere a sistemas capaces de realizar una amplia gama de tareas cognitivas con una adaptabilidad similar al razonamiento humano. Las definiciones en la industria varían, y la AGI sigue siendo un objetivo aspiracional en lugar de un hito definido.

El lanzamiento de modelos de trillones de parámetros contribuye a la escala de investigación. La cantidad de parámetros por sí sola no determina la capacidad, pero los modelos grandes suelen facilitar un aprendizaje de representación más amplio. Combinado con experimentos en arquitectura de razonamiento e integración multimodal, este trabajo explora caminos hacia sistemas generales.

Ant Group no especificó cronogramas ni métricas para el progreso en AGI. La compañía describió los lanzamientos como pasos en una investigación continua, no como afirmaciones de haber alcanzado una inteligencia general. La disponibilidad pública de los modelos permite evaluaciones externas y comparaciones, que pueden orientar la investigación.

Implicaciones para la Implementación Empresarial de IA

Los nuevos modelos pueden influir en la adopción de IA en empresas del sector financiero y otros ámbitos. Los modelos de lenguaje de contexto largo permiten analizar documentos extensos e historiales de transacciones. Los sistemas enfocados en razonamiento soportan tareas de evaluación estructurada. Los modelos multimodales facilitan la interacción por voz.

El acceso abierto permite a las organizaciones probar estas capacidades sin barreras de licencias propietarias. Las empresas pueden ajustar los modelos para tareas específicas del sector, como monitoreo de cumplimiento, análisis de contratos o automatización de atención al cliente. La reducción en el uso de tokens en Ling-2.5-1T puede disminuir costos operativos en implementaciones a gran escala.

El rendimiento en matemáticas en benchmarks indica potencial para tareas analíticas, aunque su aplicación práctica requiere adaptación. Las empresas suelen combinar modelos base con datos especializados y sistemas de control. Las versiones abiertas de Ant Group ofrecen arquitecturas iniciales, no soluciones completas para empresas.

Contexto Competitivo en Modelos de IA Abierta

Los modelos de IA abierta se han convertido en un campo competitivo entre empresas tecnológicas y grupos de investigación. Las firmas lanzan sistemas cada vez más grandes y capaces para atraer ecosistemas de desarrolladores y definir estándares. La disponibilidad en repositorios principales favorece la adopción y experimentación.

Los lanzamientos de Ant Group posicionan a la compañía entre contribuyentes globales en modelos abiertos a gran escala. Las empresas fintech, que tradicionalmente consumían herramientas de IA desarrolladas en otros lugares, ahora muestran una tendencia a crear y lanzar modelos fundamentales, señalando un cambio hacia la innovación interna y la influencia externa.

Los modelos Ling-2.5-1T y Ring-2.5-1T, por tanto, tienen un significado estratégico más allá de los métricos técnicos. Demuestran una inversión sostenida en investigación de IA a gran escala dentro de una organización fintech y una disposición a compartir resultados con la comunidad de desarrollo global.

Perspectivas

Las últimas actualizaciones de la familia Ling de Ant Group amplían su cartera de IA abierta en los ámbitos de lenguaje, razonamiento y multimodalidad. Los lanzamientos enfatizan la eficiencia, la resolución estructurada de problemas y la integración entre modalidades. La disponibilidad pública invita a evaluaciones y aplicaciones externas.

A medida que las empresas de tecnología financiera profundizan en la inversión en IA, el desarrollo de modelos fundamentales se vuelve parte de su infraestructura tecnológica. Los lanzamientos de trillones de parámetros de Ant Group ilustran ese cambio. El impacto práctico dependerá de cómo los desarrolladores y las empresas apliquen estos sistemas en tareas reales, desde análisis financiero hasta interacción digital.

Por ahora, los lanzamientos de Ling-2.5-1T y Ring-2.5-1T marcan otro paso en la integración de la investigación avanzada en IA en el sector fintech y su ecosistema de innovación abierta.