截至 2026-04-27 UTC，理解蚂蚁集团在 AI 里的位置，较稳的入口落在模型卡再往下一层。Ling-2.5-1T 与 Ring-2.5-1T 当然重要，而且重要性已经带着很明确的智能体形状：Ling 被写成一条高吞吐的 instant model，带着 1T 总参数、63B 激活参数、1M-token 上下文支持，以及对主流 agent platforms 的兼容；Ring 则被写成一条面向长程执行的深推理分支，主张更高吞吐，也把 agent-search 结果摆到了台前。[1][2] 但蚂蚁更强的公开信号，还没有停在“发布了一组有分量的开源权重”这层。更强的信号，落在它可以把模型输出接到支付宝内部已经存在的结算与信任行动表面上：支付授权、收款、商家分发，以及开发者轨道共同把一次智能体动作收成一笔真实交易。[1][2][3][4][5][6]

这件事重要，是因为 ai-china 里已经有很多公司能够同时展示强模型、漂亮助手界面，或者一套足够响亮的 agent 叙事。真正稀缺的对象，落在谁能把模型能力送进付费动作。顺着蚂蚁当前公开材料往下看，它试图占住的正是这一层。Ling 与 Ring 把模型侧准备成适合工具使用与长程任务的底座；支付宝 AI 付与开放平台，则把执行侧准备成一套可以真正收款、真正面向商家、也真正带着授权与信任边界的系统。[1][2][3][4][5][6]

图片说明：题图采用商户柜台前的手机支付场景。它适合本文，因为文章真正关心的，是 AI 在哪里开始获得经营上的重量。柜台、终端与支付动作共同标出“智能体能力”离开抽象回答、进入可结算表面的那一刻。

模型层已经按智能体工作来准备，不只是在争聊天位势

模型卡本身值得认真读，是因为它们已经按 agent work 来组织，而没有停在 general chat 的展示语法里。Ling-2.5-1T 的模型卡写到，这个模型把预训练语料从 20T 扩展到 29T tokens，引入 hybrid linear attention architecture，并在 high-fidelity interactive environments 里接受了 Agentic RL 训练。页面同时明确写到，它兼容 Claude Code、OpenCode 与 OpenClaw，并在通用工具调用 benchmark BFCL-V4 上给出领先开源结果。[1] 这是一种非常具体的姿态。蚂蚁写出的内容，不只是“这里有一个模型”，而是“这里有一条适合交互式执行工作的快速通道”。

Ring-2.5-1T 又把第二条通道补完整。它的模型卡把 Ring 写成一款面向 deep thinking 与 long-horizon task execution 的万亿参数 thinking model，并声称在超过 32K tokens 的序列上，memory-access overhead 下降 10x 以上，generation throughput 提升 3x 以上。同一页面再把这条架构主张和 Gaia2-search、Tau2-bench、SWE-Bench Verified 这类执行型 benchmark 接在一起，也把它与 agentic programming frameworks、personal AI assistants 的适配写进公开叙事里。[2] 即便这些数字当前仍属于第一方 claim，发布形状已经很清楚了：蚂蚁正在把一条开源权重路线切成快速 agent work 与重推理 work 两个层次。

公司侧写的关键正在这里。模型发布之所以有意义，不只是因为参数规模或分数可观，而是因为蚂蚁手里还有一张足够具体的落点表面。面向工具使用的模型家族，一旦落到支付网络、商家轨道与用户授权机制上，“智能体完成任务”就会被推进成“智能体完成一笔可结算动作”。[1][2][3]

支付宝 AI 付把结算写进了 AI 故事里

最直接的证据，落在 A2A交易 - 支付宝 这个官方页面。页面自己的描述写得很清楚：它提供 智能体钱包 与 智能收 两类能力，帮助 AI Agents 完成安全支付、自动收款，以及一条 Agent to Agent 的商业闭环。[3] 页面把这件事拆成两条线。钱包侧，支付宝 AI 付被写成一套面向本地与云端智能体的支付方案，支持 PC 端 与手机端，并且要求每一笔交易都保留用户确认。收款侧，A2M 路线则让 API、数字内容或算力资源可以直接向访问它们的 AI agents 发起收款，把 usage 变成 collection，而并非继续依赖粗颗粒度的月费订阅。[3]

真正要抓住的，是里面那套交易语法。页面没有把 AI 支付写成一个遥远概念，而是写成一套可落地流程：安装 skill，开启支付能力，通过支付宝做授权，再由智能体发起支付，同时把最终确认留在用户这一侧。页面还明确写到，A2M 可以对每次 API/MCP-Tool 调用做精确定价，也可以摆脱传统 账号-登录-跳转-确认 链路，进入一条更原生的 machine-facing 支付路径。[3] 绝大多数 AI 模型供应商手里都没有这一层。

这直接改变了蚂蚁与同行的比较方式。若一家公司能给出更亮眼的 reasoning demo，另一家公司却能让智能体真正付款、真正收款，并在大众钱包体系里完成结算，竞争焦点就不会只落在 answer quality 上。它会转向：模型输出能否在不破坏信任、不制造支付摩擦、也不在 agent 与 merchant 的交界处断裂的前提下，进入真实商业系统。[3][4]

蚂蚁周围的轨道本来就已经存在

开放平台材料让这套外层结构更容易看清。当前 支付宝开放平台 首页把 支付宝AI付 与 AI智能体商业信任协议 都放在开发者入口的显眼位置，这意味着蚂蚁希望开发者把 AI 读成一块商业表面，而不只是另一层内容接口。[4] 这本身就是有分量的信号。支付、授权、规则、信任边界，这些内容并没有被推到集成细节里，它们直接被放到了叙事前景。

更外层的两张平台页解释了这件事为什么站得住。网页/移动应用 模块页写到，开发者可以通过 SDK 把 支付、营销、数据能力接进网站或移动 App，其中包含安全支付与快速登录等能力。[5] 小程序 模块页又写到，合作伙伴可以分享支付宝的流量与商业能力，同时把小程序投放到智能设备，以及 Amap、UC 等应用里。[6] 这些页面本身不属于 AI 页面，这一点反而更重要。它们描述的是一套早已存在的商家与服务轨道，智能体层可以在这套轨道上继续生长，省去从零重造的过程。

顺着这个角度看，结算这条判断就会比模型判断更结实。Ling 与 Ring 可以继续提升推理、工具使用与长上下文工作能力。[1][2] 真正构成公司边界的，是这些能力是否能够落到一组已经知道如何验证身份、如何定价动作、如何分发服务、也如何移动资金的轨道上。蚂蚁之所以在 ai-china 里值得单独看，原因正在于它试图把这些层同时绑住。

接下来更该看什么

边界仍然清楚。当前公开证据，对支付与开发者表面的证明明显强于对大规模第三方 agent 商业采用的证明。[3][4][5][6] 模型侧 benchmark 也仍以第一方 claim 为主。[1][2] 因而这篇判断需要保持收束。

下一步真正值得盯的，是操作层结果。第一，第三方 agents 与开发者工具会不会把支付宝 AI 付当成真实集成对象，而并非一个新鲜演示？[3][4] 第二，A2M 的按用量收款会不会长成 API 与 MCP-style tools 的正式收费模式，而并非一块短期宣传表面？[3] 第三，支付宝已有的 web-app 与 mini-program 轨道，会不会成为 agent-native 的商家入口，而并非停在 AI 主循环之外的相邻模块？[5][6] 这些部件若继续收紧，蚂蚁更强的 AI 叙事就不会只是“我们也有一组强模型”，而会变成“我们把智能体能力压进了一张可信、可收费、可商家化的行动表面里”。

来源

  1. inclusionAI，《Ling-2.5-1T》Hugging Face 模型卡（1T total parameters、63B active parameters、29T-token corpus note、1M-token context claim、Agentic RL 表述，以及对 Claude Code、OpenCode、OpenClaw 的兼容）。
  2. inclusionAI，《Ring-2.5-1T》Hugging Face 模型卡（deep-thinking 与 long-horizon execution 表述、32K tokens 以上 >10x memory-access overhead 降幅与 >3x throughput 提升 claim，以及 agent-search / software-engineering benchmark 引用）。
  3. 支付宝，《A2A交易 - 支付宝》（支付宝 AI 付官方页面，覆盖智能体钱包、A2M 收款、逐笔授权、PC/手机端支持、API/MCP-Tool 按用量收费，以及原生 A2M 支付路径）。
  4. 支付宝开放平台首页（当前开发者首页对 支付宝AI付 与 AI智能体商业信任协议 的前景展示）。
  5. 支付宝开放平台，《网页/移动应用》模块页（面向网页与移动开发者开放的支付、营销、数据、安全支付与快速登录能力）。
  6. 支付宝开放平台，《小程序》模块页（流量与商业能力共享，以及通向智能设备、Amap、UC 等应用的投放表面）。