inclusionAI: Ring-2.6-1T
Ring-2.6-1T est le pendant « thinking » de Ling, édité par inclusionAI (Ant Group) et publié le 8 mai 2026, environ deux semaines après son jumeau. Il partage la même base Mixture-of-Experts d'un trillion de paramètres (63 activés) mais ajoute un raisonnement explicite à budget…
Ring-2.6-1T est le pendant « thinking » de Ling, édité par inclusionAI (Ant Group) et publié le 8 mai 2026, environ deux semaines après son jumeau. Il partage la même base Mixture-of-Experts d'un trillion de paramètres (63 activés) mais ajoute un raisonnement explicite à budget adaptatif, avec des modes « high » pour l'agentique multi-tours et « xhigh » pour les mathématiques et la logique. Son post-entraînement repose sur un apprentissage par renforcement asynchrone (algorithme IcePop).
Il est ouvert sous licence MIT et expose une fenêtre de 256 000 tokens.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | inclusionai |
| Date de sortie | 8 mai 2026 |
| Multimodal | non |
| Paramètres | 1000 milliards |
| Paramètres actifs | 63 milliards |
| Fenêtre de contexte | 262 144 tokens |
| Modalités (entrée → sortie) | text → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Benchable : Hallucinations (Baseline) | 100,0 % | 1ᵉ / 229 | benchable | ✅ Mesuré |
| Benchable : Instruction Following (Baseline) | 100,0 % | 1ᵉ / 252 | benchable | ✅ Mesuré |
| Benchable : Email Classification (Baseline) | 100,0 % | 1ᵉ / 254 | benchable | ✅ Mesuré |
| Benchable : Reasoning (Baseline) | 100,0 % | 1ᵉ / 239 | benchable | ✅ Mesuré |
| Benchable : Ethics (Baseline) | 100,0 % | 1ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : General Knowledge (Baseline) | 97,6 % | 151ᵉ / 250 | benchable | ✅ Mesuré |
| Benchable : Coding (Baseline) | 91,7 % | 97ᵉ / 248 | benchable | ✅ Mesuré |
| Benchable : Mathematics (Baseline) | 91,7 % | 104ᵉ / 217 | benchable | ✅ Mesuré |
Comment se situe-t-il ?
Le modèle (en orange) comparé aux meilleurs modèles « grand public » sur chaque dimension, et à ses voisins de classement.
Benchable : Hallucinations (Baseline)
Benchable : Instruction Following (Baseline)
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| NovitaAI | 0,075 $ | 0,625 $ | 0,015 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 96 % en dessous de la moyenne des LLM similaires, et 64,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.4, Gemini 3.1 Pro Preview).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 0 $ |
| Latence moyenne par benchmark — Benchable | 2 min 32 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. Le raisonnement est ici au plus haut niveau : scores d'élite en mathématiques (AIME 2026) et en sciences (GPQA Diamond), et une agentique outillée qu'inclusionAI revendique au niveau des meilleurs modèles propriétaires. Son coût de sortie est particulièrement agressif, plus bas que celui de Ling, et la licence MIT le rend librement réutilisable à l'échelle du trillion de paramètres.
Limites et points d'attention. Beaucoup de ses chiffres sont annoncés par l'éditeur, avec une validation tierce encore mince à sa sortie, et les comparaisons « supérieur à GPT-5.4 ou Gemini 3.1 Pro » sont à prendre avec prudence. Le coût et la latence du mode xhigh ne sont pas chiffrés, il est texte seul, et ses 1 000 milliards de paramètres restent lourds à héberger. Il vise le raisonnement et les agents outillés open-source.
Sources des données : OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).