Ant Group mise sur Ling-1T et dInfer pour accélérer le raisonnement par IA

Le nombre impressionne, mais il ne résume pas à lui seul la nouveauté. Le 9 octobre 2025, Ant Group a annoncé Ling-1T, un modèle de langage doté de 1 000 milliards de paramètres, ainsi que dInfer, un cadre d’inférence conçu pour une autre famille de modèles, les modèles de langage par diffusion. Pour l’opérateur d’Alipay, l’enjeu consiste autant à démontrer des capacités de raisonnement qu’à rendre leur exécution plus efficace.

Cette annonce place Ant Group dans une compétition où les très grands modèles ne se distinguent plus seulement par la taille de leur entraînement. Les entreprises cherchent aussi à réduire les coûts de calcul, à accélérer les réponses et à obtenir de meilleurs résultats sur des problèmes structurés, notamment en mathématiques et en programmation. La stratégie du groupe chinois est donc double : proposer un très grand modèle de langage, tout en développant le logiciel nécessaire à des architectures alternatives.

Ling-1T, un modèle à 1 000 milliards de paramètres

Un paramètre est une valeur numérique ajustée durant l’entraînement d’un modèle. En simplifiant, ces paramètres permettent au système de repérer des régularités dans de très grands ensembles de textes, de code ou d’autres données. 1 000 milliards de paramètres correspondent au seuil couramment appelé « un trillion » dans la terminologie anglo-saxonne.

Une telle taille ne garantit pas automatiquement qu’un modèle donne de meilleures réponses. La qualité des données, les méthodes d’entraînement, l’architecture, l’utilisation d’outils et la manière dont le modèle est sollicité comptent également. Elle renseigne néanmoins sur l’ampleur de l’infrastructure et de l’effort de recherche mobilisés.

Ant Group présente Ling-1T comme un modèle associant efficacité de calcul et raisonnement avancé. L’entreprise l’inscrit dans une ambition plus large : bâtir une infrastructure d’intelligence artificielle suffisamment robuste pour servir différents usages. Le modèle est rendu accessible publiquement, un choix qui permet aux développeurs et aux chercheurs de l’étudier, de le tester et, selon les modalités fixées par le projet, de l’intégrer à leurs propres travaux.

Que mesure le score de 70,42 % sur AIME 2025 ?

Ant Group indique que Ling-1T a atteint 70,42 % de précision au benchmark de l’American Invitational Mathematics Examination 2025, souvent abrégé en AIME 2025. Cette épreuve américaine de mathématiques est devenue un test couramment utilisé pour évaluer la résolution de problèmes par les modèles d’IA. Elle porte sur des questions nécessitant plusieurs étapes de raisonnement plutôt que sur la simple restitution d’une information factuelle.

Selon les spécifications techniques communiquées par Ant Group, Ling-1T maintient ce niveau de résultat en consommant en moyenne plus de 4 000 tokens de sortie par problème. Un token peut correspondre à un mot, une partie de mot ou un signe de ponctuation. Dans les problèmes complexes, une sortie longue peut refléter la décomposition détaillée des étapes de calcul, des vérifications intermédiaires ou plusieurs tentatives de résolution.

Ces deux mesures doivent être lues ensemble. Une précision élevée est intéressante, mais la longueur des réponses influe aussi sur le temps de calcul et sur le coût d’utilisation d’un modèle. Les performances annoncées par Ant Group placent Ling-1T dans la course aux modèles que l’entreprise qualifie de premier plan, sans pour autant constituer un classement universel : les protocoles, les configurations et les modes d’utilisation peuvent varier d’un test à l’autre.

Pourquoi lancer dInfer en même temps ?

Le second volet de l’annonce concerne l’inférence, c’est-à-dire l’étape où un modèle déjà entraîné produit effectivement une réponse à la demande d’un utilisateur. C’est à ce moment que se concentrent une grande partie de la latence, de la puissance de calcul et des coûts opérationnels des services d’IA.

dInfer est un cadre d’inférence spécialisé dans les modèles de langage par diffusion. Ant Group ne mise donc pas uniquement sur un modèle massif, mais aussi sur une voie technique distincte des modèles de langage les plus répandus dans les assistants conversationnels.

Dans un modèle autorégressif classique, le texte est généré de façon séquentielle : le système produit un token, puis s’appuie sur ce token pour générer le suivant, et ainsi de suite. C’est le principe associé à de nombreux chatbots, dont ChatGPT. Les modèles de diffusion suivent une logique différente. Ils partent généralement d’une représentation incomplète ou bruitée et l’affinent progressivement. Leur promesse, dans le langage comme auparavant dans l’image ou la vidéo, est de pouvoir traiter davantage d’éléments en parallèle.

Diffusion et génération séquentielle : deux méthodes, deux compromis

Les modèles de diffusion sont déjà bien établis dans la génération d’images et de vidéos. Leur application au texte est moins répandue, car le langage impose des contraintes de cohérence, de grammaire et d’ordre particulièrement fortes. L’intérêt de cette approche réside toutefois dans sa capacité théorique à éviter une génération strictement mot après mot.

Ant Group illustre cet avantage avec les résultats de dInfer sur le benchmark de programmation HumanEval. Utilisé avec le modèle de diffusion LLaDA-MoE d’Ant Group, le cadre aurait atteint un débit de 1 011 tokens par seconde. À titre de comparaison, l’entreprise rapporte 91 tokens par seconde pour Fast-dLLM de Nvidia et 294 tokens par seconde pour Qwen-2.5-3B d’Alibaba exécuté avec l’infrastructure vLLM.

Ces chiffres illustrent le potentiel d’efficacité mis en avant par Ant Group. Ils ne doivent cependant pas être compris comme un verdict général sur la qualité de tous les modèles concernés. Les systèmes comparés ne sont pas les mêmes, et le débit n’est qu’un critère parmi d’autres : exactitude des réponses, consommation énergétique, matériel employé, taille des requêtes et stabilité en production comptent également.

Une gamme de modèles répartie entre langage, raisonnement et multimodalité

Ling-1T ne constitue pas un projet isolé. Ant Group organise ses systèmes d’IA en trois séries principales, correspondant à des besoins distincts. Cette segmentation montre que l’entreprise ne présente pas un seul modèle comme une réponse à tous les usages.

• Les modèles Ling, décrits comme non pensants, sont destinés aux tâches linguistiques courantes.
• Les modèles Ring ciblent le raisonnement complexe. Ant Group avait déjà publié Ring-1T-preview.
• Les modèles Ming sont multimodaux : ils peuvent traiter des images, du texte, de l’audio et de la vidéo.

La distinction entre modèles standards et modèles de raisonnement répond à une réalité pratique. Une tâche simple, comme résumer un texte ou classer des informations, n’exige pas forcément une longue chaîne de calcul. À l’inverse, un problème mathématique, une analyse de code ou une planification complexe peut bénéficier d’un système conçu pour consacrer davantage d’étapes à l’élaboration de sa réponse.

Ant Group développe également AWorld, un cadre consacré à l’apprentissage continu pour des agents d’IA autonomes. L’objectif affiché est de favoriser des systèmes capables d’accomplir des tâches de manière indépendante au bénéfice des utilisateurs. Cette orientation vers les agents complète les travaux sur les modèles de base : un agent ne se limite pas à produire du texte, il peut en principe enchaîner des actions et apprendre de son environnement selon le cadre prévu.

L’efficacité logicielle devient un enjeu stratégique en Chine

L’annonce intervient dans un contexte de concurrence intense entre les groupes technologiques chinois et mondiaux. Les restrictions à l’exportation qui limitent l’accès de la Chine à certaines technologies de semi-conducteurs de pointe renforcent l’importance de l’optimisation algorithmique et logicielle.

Lorsqu’il est plus difficile d’accéder aux composants les plus performants, améliorer l’efficacité du logiciel devient une façon de tirer davantage de ressources des infrastructures disponibles. Cela peut passer par de meilleurs cadres d’inférence, des architectures différentes, une gestion plus fine de la mémoire ou des méthodes d’entraînement plus économes.

Ant Group n’est pas seul à explorer cette voie. ByteDance, la maison mère de TikTok, a elle aussi lancé des modèles de langage par diffusion. Cet intérêt partagé suggère que la diffusion est considérée comme une piste crédible, au moins pour certains cas d’usage, face au modèle autorégressif dominant.

La publication de Ling-1T et de dInfer s’inscrit aussi dans une logique de diffusion technologique. En ouvrant ses outils à la communauté, Ant Group peut encourager des tests indépendants, attirer des développeurs et favoriser la création d’applications construites autour de son écosystème. Pour une entreprise, devenir une couche technique utilisée par d’autres acteurs peut compter autant que la démonstration ponctuelle d’un bon score de benchmark.

Ce qu’il faut surveiller après cette double annonce

La prochaine étape sera la validation des promesses dans des usages concrets. Le score de Ling-1T sur AIME 2025 et les débits annoncés pour dInfer donnent des indications utiles, mais les développeurs regarderont aussi la facilité de déploiement, la documentation, la stabilité et les résultats obtenus dans leurs propres tâches.

Il faudra surtout observer si les modèles de diffusion pour le langage peuvent s’imposer au-delà des démonstrations de vitesse. Leur capacité à générer du texte en parallèle pourrait ouvrir des perspectives intéressantes pour le code et certains services à fort volume. Mais ils devront prouver qu’ils préservent la qualité, la cohérence et la fiabilité attendues des systèmes conversationnels et des outils professionnels.

Pour Ant Group, le pari est clair : associer la puissance d’un modèle de 1 000 milliards de paramètres, une famille de modèles dédiée au raisonnement, des systèmes multimodaux et une infrastructure d’inférence alternative. Dans une industrie où l’accès au calcul et l’efficacité logicielle deviennent indissociables, la valeur de cette stratégie dépendra autant de l’adoption de ses outils que des résultats affichés lors des benchmarks.