蚂蚁开源轻量级推理模型Ring-lite，在多项Benchmark中达到SOTA效果，性能媲美3倍激活参数大小的10B以下Dense模型，验证了MoE架构的潜力。Ring-lite基于此前开源的Ling-lite-1.5（总参数16.8B，激活参数2.75B）开发，并采用独创的C3PO强化学习训练方法提升稳定性。其三大技术亮点包括：首创C3PO方法，解决RL训练中回复长度波动问题；通过熵损失平衡Long-CoT SFT与RL的训练比重，提升token效率；探索多领域任务联合训练，实现数学、代码、科学三重协同增益。在AIME、LiveCodeBench、CodeForces等榜单中，Ring-lite表现优异，数学推理得分76.61、编程竞赛得分60.66，均超过对比模型。此外，Ring-lite在高考数学题中得分约130分，物理题测试也表现良好。团队还构建了高质量的Long-CoT和RL训练数据集，涵盖数学、编程、科学等领域，并通过多阶段质量管控确保数据专业性。未来，团队计划进一步优化C3PO方法，实现动态学习节奏和端到端协同优化，推动AI训练更高效稳定。