アリババ傘下の金融テック大手「Ant Group（アントグループ）」のAGIイニシアチブである「inclusionAI」は、国内最大のAIオープンソースプラットフォーム「ModelScope（魔搭社区）」にて、1兆256億（约1兆）パラメータ規模の超巨大Mixture-of-Experts（MoE）モデル「Ring-2.6-1T」を一般公開した。
本モデルは、従来の単純なテキスト生成モデルとは一線を画し、OpenAIのo1/o3やDeepSeek-R1の流れを汲む「思考（Thinking / Reasoning）」能力に特化した次世代AIエージェント向けモデルである。
63Bアクティブパラメータと適応的「Reasoning Effort」
Ring-2.6-1Tは、総パラメータ数1兆256億個の巨大モデルでありながら、推論時に実際に活性化されるのは 630億（63B）パラメータ に抑制された高効率MoEアーキテクチャを採用している。ベースには高効率マルチモーダルハイブリッドデコード技術「bailing_hybrid」を採用している。
本モデルの最大のイノベーションは、タスクの難易度に応じてモデル自身が思考の深さを自己調整する 「適応的 Reasoning Effort（推理深度調整）」 仕組みの実装だ。
- High（高レベル思考）モード：プログラミングや複雑な数学、論理パズルのように、多ステップにわたる思考の深さと自己検証（Self-Correction）が必要な問題に対応。思考トークン（Thinking Tokens）を大量に消費することで、解の正確性を極限まで高める。
- xHigh（超高レベル思考）モード：極めて難度の高い未解決のコーディングやシステムデバッグなど、長期的な自律推論が要求されるエージェントワークフローで威力を発揮する。
この仕組みにより、開発者はAPI呼び出し時やシステム統合時に、タスクの複雑さに応じて消費するトークン（コスト）と推論時間のトレードオフを動的かつ柔軟に制御できる。
金融テック発のAIエージェントエコシステム：LingとRingのポートフォリオ
Ant Groupは、金融トランザクション、信用評価、不正検知といった極めて高い事実性と堅牢性が求められる実業務を長年運用してきた。同社のAGIイニシアチブであるinclusionAIは、この知見をもとにAIモデルを複数のポートフォリオへ整理している：
- Ring-2.6-1T（本モデル）：自律的なエージェント（Agent）ワークフロー、高度なコーディング、ツール利用に最適化された「思考特化」モデル。
- Ling-2.6-1T：一般的な対話、情報要約、迅速なテキスト生成に最適化された「高速思考」型フラグシップモデル。
- Ling-2.6-flash：104Bパラメータ（アクティブ7.4B）で構成され、モバイル端末や高頻度API呼び出しが必要な本番運用に特化した、超高速かつトークン効率に優れた軽量モデル。
金融や大企業の業務自動化でAIエージェントを本番運用する場合、単一のモデルですべてを賄うのはコスト・遅延の観点から非現実的だ。Ant Groupは、この3層構造のモデルポートフォリオにより、業務シナリオごとの最適なモデル配備を可能にしている。
日本企業から見た意味と実装アプローチ
日本企業がAIエージェントの商用実装（ワークフローの完全自動化）を検討する際、最も大きな課題となるのが「API料金（ランニングコスト）」と「推論速度」である。
Ant Groupの「Reasoning Effort」調整メカニズムや、Ring・Lingといった用途特化型の二極・三極展開は、AIシステム全体のインフラ設計において大きな比較材料となる。特に、複雑な内部推論プロセス（CoT: Chain of Thought）が必要なステップにのみ思考特化のRingを割り当て、ユーザーへの最終出力や日常会話には高速なLingを割り当てるという「マルチモデル・コオペレーション」の思想は、今後日本企業が業務自動化アーキテクチャを実装する上での標準的なベストプラティスとなるだろう。