Ring-1T calculadora TPS
Cada tarjeta a continuación se evalúa con respecto a este modelo en la longitud de contexto y calidad mínima que elijas. La velocidad es una estimación para una solicitud única, calculada a partir del ancho de banda de memoria de la tarjeta y el tamaño del modelo una vez comprimido..
Calculado para este modelo
¿Qué GPUs pueden ejecutar? Ring-1T?
Configura las entradas, lee la respuesta.
Una conversación más larga necesita más memoria, lo que puede hacer que este modelo no quepa en tarjetas más pequeñas..
Oculta las tarjetas que solo encajarían en el modelo comprimiéndolo por debajo de este punto..
0 las tarjetas coinciden
Calculando| necesidades | Cuantización | Ajustado | |||||
|---|---|---|---|---|---|---|---|
|
Ninguna tarjeta en nuestro catálogo puede ejecutar este modelo con estas configuraciones. |
|||||||
Las velocidades son estimaciones para una sola solicitud — una conversación a la vez — calculadas a partir del ancho de banda de memoria, el tamaño del modelo y la cuantización. El rendimiento real varía con el tiempo de ejecución de la inferencia y su versión. Las cifras publicadas por los proveedores de hardware miden muchas solicitudes simultáneas y son mucho más altas..
En registro
Especificación completa
Todo lo registrado para este modelo. La mayor parte describe cómo fue entrenado más que cómo se ejecuta, un contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..
Origen
¿Quién construyó este modelo, dónde y cuándo se publicó?
- Organización
- Ant Group
- Tipo de organización
- Industry
- País
- China
- Publicado
- 10 October 2025
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language modeling/generation, Question answering, Quantitative reasoning, Code generation
- Modelo base
- Ling-1T
Tamaño
Qué tan grande es el modelo y cuánta data fue entrenada. Los parámetros son la cifra que decide si se ajusta a una GPU dada.
- Parámetros
- 1T
- Espacio entrenado
- tokens
1 trillion total parameters with 50 billion activated parameters
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la tarjeta gráfica en esta página se aplica.
- Pesos
- Open — downloadable
- Acceso al modelo
- Open weights (unrestricted)
- Código de entrenamiento
- Unreleased
- Hugging Face
- inclusionAI
MIT license https://huggingface.co/inclusionAI/Ring-1T
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán seguro está de la entrada.
- Modelo/modelos siempre significa modelos de IA. Ejecutar/ejecutando significa ejecutar un modelo de IA. Si solo obtienes la palabra ejecutar, es probable que provenga de una frase dividida, como qué modelo de IA puede ejecutar la GPU. no cabe/no encajará significa que el modelo de IA no cabe en la VRAM de la GPU. apretado = apenas ejecutable, cómodo = se ejecuta fácilmente con margen.
- Confident
Fuentes
Dónde proviene este registro y cuándo se verificó por última vez.
- Referencia
- Ring-1T, flow state leads to sudden enlightenment
- Última actualización
- 28 November 2025
Qué significan los números
What you need to run it
At 1T parameters, Ring-1T is beyond what any single graphics card holds. Running it means either splitting it across several cards or renting hardware built for the job — 0 of the cards we track can hold it on their own, and all of them are datacentre parts.
Acerca de este modelo
Ring-1T was published by Ant Group, in China, in October 2025. It comes out of industry.
It works in Language, and is recorded as doing language modeling/generation, Question answering, Quantitative reasoning, Code generation.
Its starting point was Ling-1T — most models at this scale are adapted from an existing base rather than built from nothing.
Because its weights were released, nothing about running it depends on a provider staying available — it is yours once downloaded. It is published under the inclusionAI organisation on Hugging Face.
Paso a paso
Cómo elegir una GPU para Ring-1T
La tabla anterior ya ha evaluado cada tarjeta cuya especificación tenemos contra este modelo. Llegar a tu respuesta lleva seis pasos..
-
01
Desde la columna de memoria
The table lists every card that can hold Ring-1T. That figure, not the card's headline performance, is what decides whether it runs.
-
02
Empareja el contexto con tu uso actual
Set the context to what you will actually use. The cache grows with the conversation, and it is the usual reason Ring-1T stops fitting a card that seemed fine.
-
03
Decide cuánto compresión aceptarás.
Compression is what makes Ring-1T fit smaller cards, at some cost in accuracy. A minimum quality removes the ones that go too far.
-
04
Clasifica por rendimiento en lugar de especificaciones.
Ranking by tokens per second for Ring-1T follows memory bandwidth, not core counts.
-
05
Read the fit column last
Tight means Ring-1T loads and works, with no room to raise the context later. Comfortable means you can. The difference matters more than a few tokens per second.
-
06
Ve qué más ejecuta esa tarjeta
Each card page repeats this sweep for every model we hold. It answers what else the hardware is good for, beyond Ring-1T.
Respuestas
Ring-1T — Preguntas comunes
How many parameters does Ring-1T have?
Ring-1T has 1T parameters. 1 trillion total parameters with 50 billion activated parameters. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created Ring-1T?
Ring-1T was published by Ant Group, based in China, categorised as industry.
When was Ring-1T released?
Ring-1T was published in October 2025.
What is Ring-1T used for?
Ring-1T works in Language, and is recorded as handling language modeling/generation, Question answering, Quantitative reasoning, Code generation. These are the areas it was designed around; they describe intent rather than a hard boundary.
Where can I download Ring-1T?
Its weights are published under the inclusionAI organisation on Hugging Face. We do not host model files — this site calculates what hardware is needed to run them.
Can I run Ring-1T if it does not fit in my GPU?
Partly. Layers that do not fit sit in system memory and run at a fraction of the speed, so a mostly-offloaded Ring-1T is rarely worth using — the nearest miss we calculate is short by 346.5 GB. Every figure here assumes the whole model is on the card.
Would two GPUs run Ring-1T faster?
A second card roughly doubles the memory available but not the generation rate. With 0 cards already able to run Ring-1T alone, the case for pairing is weak.
Why does the quantisation differ between cards for Ring-1T?
Because capacity varies, so does how hard Ring-1T has to be squeezed — 1 distinct levels appear in the table above. Set a minimum quality to compare at one.
How accurate are these Ring-1T speed estimates?
Se calculan a partir de especificaciones en lugar de ser medidas, y cada uno lleva un rango - el rango debajo de cada cifra, por ejemplo. El mismo modelo y tarjeta varían entre treinta y cincuenta por ciento dependiendo del software de inferencia y su versión.
Is Ring-1T open source?
Its weights are published, so Ring-1T can be downloaded and run on your own hardware. Note that open weights is not the same as open source in the full sense — it says nothing about the training data, the training code, or the commercial terms attached.
El otro camino
¿Viéndolo desde el otro lado?
Esta página comienza desde el modelo. Si ya tienes una tarjeta y quieres saber todo lo que puede ejecutar., iniciar desde el hardware.