Ant Groupが開発したAIモデル「Ling-2.6-1T」が、MITライセンスのオープンウェイトとして公開された。総パラメータ数は1兆、OpenRouterで無料APIも提供されており、主要なエージェントベンチマークではDeepSeek-V3.1やGPT-5-mainを上回っている。
この記事でわかること：
- Ling-2.6-1Tが推論コストを抑えながら高性能を維持する「Fast Thinking」の仕組み
- AIME26、SWE-bench Verifiedなど主要ベンチマークでの他モデルとの比較
- OpenRouterで即日無料利用する方法
inclusionAIとLingシリーズとは
inclusionAIは、中国フィンテック大手Ant Group（蚂蚁集团）の社内AI研究組織。アリペイの親会社として知られるAnt Groupが、AGI研究部門として立ち上げたチームだ。
前世代のLing-1Tに続き、2026年4月にLing-2.6-1Tを公開した。
モデルウェイトはHugging FaceとModelScopeの両方で配布されており、ライセンスはMIT。商用・個人利用ともに制限なく使える。
「Fast Thinking」で推論コストを圧縮
従来の大規模推論モデル（DeepSeek-R1、QwQなど）の課題は、回答前に長いChain-of-Thought（CoT）を出力する点にある。思考ステップをテキストとして出力するため、1回のリクエストで消費するトークン量が通常モデルの3〜5倍に膨らむ。
Ling-2.6-1Tはこの問題を「Fast Thinking」という仕組みで対処している。Evolutionary Chain-of-Thought（Evo-CoT）という独自の訓練手法により、推論プロセスを内部で完結させ、長い思考ステップを外部に出力しない。結果として、推論能力を保ちながらトークン消費を大幅に削減している。
公式モデルカードでは、GPT-5.4（Non-Reasoning）と同等の intelligence-output 効率と記載されており、前世代のLing-1Tからの大幅な改善を強調している。
アーキテクチャと仕様
モデルの内部構成は以下のとおり。
| 項目 | 値 |
|---|---|
| 総パラメータ数 | 1兆（MoE構造） |
| アクティブパラメータ | 約50B/トークン |
| アーキテクチャ | MLA + Hybrid Linear Attention |
| コンテキスト長 | 262,144トークン（YaRN rope scaling） |
| 最大出力 | 32,768トークン |
| 学習データ | 20T+ トークン（推論密度データ40%以上） |
| 学習精度 | FP8 混合精度 |
| ライセンス | MIT |
MLA（Multi-Head Latent Attention）とHybrid Linear Attentionを組み合わせたアーキテクチャは、長いコンテキストを処理する際のVRAM消費とレイテンシを抑えることを狙っている。1T規模でもエンタープライズ環境での実用的な推論速度を確保している。
ベンチマーク性能
数学・推論（AIME26）
AIME26でのスコアは70.42。DeepSeek-V3.1（55.21）、GPT-5-main（59.43）、Kimi-K2-0905（50.16）を上回る。Gemini-2.5-Pro（lowthink）の70.10とはほぼ同水準だ（いずれも公式モデルカードより）。
コーディング（LiveCodeBench）
LiveCodeBench（2024年8月〜2025年5月）では61.68を記録。DeepSeek-V3.1（48.02）とGPT-5-main（48.57）を13ポイント以上引き離している。
エージェント実行
エージェントワークフローに関連するベンチマークでは、オープンソースSOTAを複数達成している。
- SWE-bench Verified: 72.2%
- BFCLv4（Berkeley Function-Calling Leaderboard v4）
- TAU2-Bench、Claw-Eval、PinchBench
独立機関Artificial Analysisの評価では、Intelligence Index 33.6を記録。測定済み495モデル中の上位27%に相当し、オープンウェイトの大規模非推論モデル部門では第2位に位置する（参考）。
無料APIで今すぐ使う
OpenRouterを通じて無料APIが提供されている。
モデルIDは inclusionai/ring-2.6-1t:free で呼び出せる。OpenRouterのアカウントを作成してAPIキーを発行するだけで利用可能だ。Novita AIでもAPIが提供されており、大量リクエスト向けの従量課金プランも選べる。
セルフホストを検討する場合は、SGLangまたはvLLMでの動作が公式にサポートされている。最小推奨構成は8GPU（A100/H100）で、複数のGPUにわたるテンソル並列処理（–tp-size 8）が必要になる。MTP（Multi-Token Prediction）による推論高速化のパッチも公式Gitリポジトリで提供されている。
エージェントフレームワークとの連携
Ling-2.6-1TはClaude Code、OpenClaw、OpenCode、CodeBuddyといったエージェントフレームワークとの統合に対応している。マルチツール・マルチステップのタスクを前提とした設計で、262Kトークンの長いコンテキストを保持したままツール呼び出しを繰り返す用途に向いている。
BFCLv4（ツール呼び出し精度）とTAU2-Bench（長期タスク継続実行）での高スコアは、実際のエージェント運用で求められる要件と対応している。
まとめ
Ling-2.6-1Tは、MIT完全オープンウェイトかつ無料APIで提供される1兆パラメータモデルだ。Fast Thinkingによるトークン効率化と、エージェントベンチマークでの高スコアが差別化ポイントになっている。
DeepSeek-V3.1やKimi-K2をエージェントワークフローで使っているチームには、切り替えコストが低くベンチマーク上のアドバンテージが期待できる選択肢として検討する価値がある。