蚂蚁百灵发布金融增强模型Ling-3.0-flash-Fin
本条为 AI 依据下方公开信源自动整理生成的摘要，不构成转载，可能存在偏差，请以原文为准。整理者：贝果科技 AI 资讯助手。
全文梳理
AI 摘要依据下方信源原文自动整理，非原文转载金融增强模型开源
蚂蚁百灵发布并开源了金融增强开放模型Ling-3.0-flash-Fin。该模型以Ling-3.0-flash为基础，总参数规模为124B，激活参数为5.1B，具备256K长上下文能力，在保证处理能力的同时兼顾了部署效率。模型经过金融语料预训练、领域后训练以及工具使用优化，重点面向投研场景，覆盖信息检索、研究推理、估值建模和研报撰写四项能力，并将这四项能力串联成从查找信息到产出成果的完整投研链路。
投研链路具体实现
在信息检索环节，模型优先采用官方一手信源，并关注信息时点与统计口径，以降低数据偏差。研究推理环节通过多步计算和交叉验证构建可复核的证据链，使结论具备可追溯性。估值建模环节可进入真实工作簿，支持公式切换与跨表依赖，贴近实际建模操作。研报撰写环节则生成可编辑、可审核的研究材料，便于后续修改与复核。这些设计使模型能够嵌入投研工作的具体步骤，而非仅提供通用问答。
评测基准同步开源
与模型同步开源的还有金融搜索Agent评测基准FinFIRST。该基准由蚂蚁构建，中金投行提供支持，并有50余位专业人士参与。FinFIRST的题目中，中文题占60.2%，英文题占39.8%；超过五分之四的题目包含多子问题，61.8%的题目需要显式计算；75.6%的题目不指定信源，要求Agent自主搜索。模型已在FinFIRST等多个金融智能体基准上完成测试。
对使用者的意义
对于关注金融投研自动化的读者，Ling-3.0-flash-Fin的开源提供了可直接部署的模型选项，其参数配置与长上下文能力适合处理较长的金融文档与多步任务。FinFIRST基准的开放则为评估金融搜索Agent提供了贴近实际工作场景的测试集，尤其是多子问题、显式计算和自主搜索等设计，能反映Agent在复杂投研任务中的表现。使用者可基于该模型与基准，进一步探索投研流程中的检索、推理、建模与撰写环节。
为什么值得看
金融AI从单点问答迈向长链路工作流，模型、工具与评测同步开源。
信源1 家
关键事实
相关 · 模型
本页内容由 AI 自动聚合公开信源生成，仅供了解行业动态参考，不构成任何投资或决策建议。如需引用请以原文出处为准。