这两天，一张关于国产大模型的截图在国外社交平台传得很火。

一位拥有蓝标认证的博主直接说：

China just changed the game.

翻译一下就是：中国刚刚把游戏规则改了。

原因是蚂蚁百灵开源了一款万亿参数模型——Ling-2.6-1T。

这位博主给它贴了几个很夸张的标签：

万亿参数、SWE-bench Verified 72.2分、256K上下文、OpenRouter免费使用，还能直接接入Claude Code。

最夸张的一句话是：

它只需要美国主流模型1%的Token。

说实话，看到“1%”的时候，我第一反应不是震惊，而是怀疑。

所以我去翻了一遍官方模型卡、技术报告和OpenRouter。

先说结论：

这个模型确实有点东西，但“只用1%的Token”明显被夸大了。

它到底是什么？

Ling-2.6-1T，是蚂蚁百灵推出的一款万亿参数开源模型。

这里的“1T”，指的是模型总参数规模达到1万亿。

但它不是每次回答问题，都把1万亿个参数全部跑一遍，而是采用了MoE稀疏架构。你可以简单理解为：

模型内部有很多不同方向的“专家”，每次处理任务时，只调用其中最合适的一部分。

所以，参数规模很大，不代表每次运行的计算成本也要同比增加。

官方把它定位成一款偏向实际执行的模型，重点不是让它慢慢思考几万字，而是让它在代码、工具调用和Agent任务里，更快地把事情做完。

真正值得关注的，是它开始反对“废话式思考”

现在很多推理模型都有一个问题：

能力是强了，但话也是真的多。

你问一个并不复杂的问题，它可能先列条件、再分析路径、再自我反思，最后输出一大段推理过程。

对于普通用户来说，最多是等得久一点。

但对于正在调用几十个工具、处理几百个任务的Agent来说，每多输出一段内容，背后都意味着更多Token、更高成本和更长等待时间。

Ling-2.6-1T选择的路线，是所谓的“Fast Thinking”。

官方在训练过程中加入了减少过程冗余的机制，希望模型不要依赖特别啰嗦的思维链，而是用更短的路径得到正确答案。

说白了就是：

不是让AI少思考，而是让它少说废话。

它的技术报告里还提到，包括最短正确答案蒸馏、偏好对齐，以及提升单位输出Token能力等方法。

这件事其实比“1万亿参数”更有意义。

因为大模型发展到现在，已经不只是比谁更聪明了。

还要比：

谁更快、谁更便宜、谁能稳定把任务跑完。

但是，只用1%的Token，这个说法靠谱吗？

目前看，不靠谱。

我没有在官方模型卡和技术报告里找到“只消耗美国模型1% Token”的结论。

蚂蚁百灵官方API页面给出的口径是：

大约为可比模型四分之一的Token成本。

OpenRouter的介绍也是类似说法，称其成本可以降低到可比模型的约四分之一。

四分之一，已经很夸张了。

但四分之一和百分之一，完全不是一个概念。

这也是看AI新闻时很容易遇到的问题：

官方说“Token效率显著提升”，传到社交媒体上，就可能变成“成本只剩1%”。

所以这条新闻可以兴奋，但不用跟着海外博主一起上头。

它的代码能力到底怎么样？

Ling-2.6-1T在Hugging Face模型卡上公布的SWE-bench Verified成绩是72.2分。

SWE-bench不是让模型写一道简单算法题，而是给它真实的软件仓库和问题描述，看它能不能定位问题、修改代码并通过测试。

所以这个成绩主要反映的是：

模型能不能像一个编程Agent一样，在真实项目里解决问题。

72.2分已经说明它进入了第一梯队。

但这里也需要泼一盆冷水：

一个编程基准成绩高，不等于它在所有方面都全面超过Claude和GPT。

不同模型的评测环境、工具配置、提示词和测试版本都可能不同。

更准确的说法应该是：

Ling-2.6-1T已经具备和头部闭源模型竞争部分Agent编程任务的能力。

而不是“国产模型已经全面打败Claude和GPT”。

真正有意思的是，它现在可以免费用

目前OpenRouter提供了Ling-2.6-1T的免费调用入口，页面显示支持约262K上下文。

这意味着你不一定要自己准备多张高端显卡，也不需要先把万亿参数模型部署到本地。

可以直接通过API调用，接入自己的代码工具或者Agent工作流。

官方模型卡还明确提到，它可以接入Claude Code、OpenCode、OpenClaw和CodeBuddy等Agent工具。

当然，免费接口通常会有调用频率、稳定性和服务容量限制，而且后续价格也可能调整。

但对普通开发者来说，至少多了一个几乎零成本测试万亿参数模型的机会。

最后说一下我的判断

Ling-2.6-1T不是一款突然把GPT和Claude全部干掉的模型。

但它释放了一个很明确的信号：

开源模型正在同时追赶能力、效率和Agent执行。

过去开源模型最大的优势是便宜，但真正遇到复杂任务，很多人还是会回到Claude和GPT。

现在，国产开源模型开始进入真实代码仓库、工具调用和长任务执行这些核心场景。

更重要的是，它们正在把调用价格继续往下压。

所以这条新闻最值得关注的，不是“万亿参数”，也不是国外网友那句“中国改变了游戏规则”。

而是：

过去只有少数公司能提供的顶级AI能力，正在变成普通开发者也可以免费调用的基础设施。

这才是真正可能改变游戏规则的地方。