闲社

标题: 蚂蚁开放Ling-3.0-flash-Fin：124B金融智能体模型 [打印本页]

作者: coder 时间: 2026-9-5 13:03
标题: 蚂蚁开放Ling-3.0-flash-Fin：124B金融智能体模型
【事件概述】
inclusionAI 于 2026 年 9 月 3 日在官方 Hugging Face 账号开放 Ling-3.0-flash-Fin 权重。它是蚂蚁 Ling 家族首个金融增强模型，由蚂蚁集团与金融机构和领域专家共同开发，在 Ling-3.0-flash 基础上使用高质量金融数据继续训练，重点覆盖金融检索、证据核验、计算、估值、电子表格和长流程研究任务。

官方还同步开放 FinFIRST 评测集，用于检查需要检索权威来源、跨文档核对、计算和输出可追溯答案的金融研究能力。此次新变化是 BF16 权重和评测集已经出现在 inclusionAI 官方仓库，不应再描述为“未来计划开源”。

【模型与开发者】
模型：Ling-3.0-flash-Fin
开发者：Ant Group / inclusionAI，与金融机构及领域专家合作
基础模型：Ling-3.0-flash
官方权重仓库创建日期：2026 年 9 月 3 日（依据 Hugging Face API 的 createdAt 元数据）
参数：官方模型卡正文标注 124B 总参数、每 token 激活 5.1B
上下文窗口：256K
当前公开检查点：BF16
许可证：MIT

日期核对说明：模型卡正文没有单独显示新闻稿日期，Hugging Face 官方 API 显示 inclusionAI/Ling-3.0-flash-Fin 仓库创建于 2026-09-03T06:09:53Z。本文把 9 月 3 日作为本次开放权重日期，不把之后的仓库更新、第三方量化上传或此前 API 试用公告当成同一事件。

【关键能力与改动】
1. 端到端金融研究：官方定位不是单点问答，而是把信息检索、证据审阅、计算、建模和报告准备连接在一条长流程中，面向需要多轮工具调用的金融智能体。
2. 强调来源可追溯：模型被训练为优先查找权威来源，并组织可核验的依据。配套 FinFIRST 公开测试集覆盖中文和英文问题，用评分细则检查数据来源、计算步骤、时间范围与输出格式。
3. 多文档金融推理：模型卡列出的目标包括跨年报、业绩公告、监管文件和研究材料对齐报告期间、指标口径、假设及冲突数字，减少只看单一摘要造成的口径混乱。
4. 估值与电子表格工作流：模型面向公式理解、实际值与预期值更新、跨工作表依赖、平衡检查、情景分析以及可继续编辑的财务模型交付。它可以辅助构建流程，但不保证公式和估值自动正确。
5. 长上下文与稀疏计算：模型延续 Ling-3.0-flash 的混合线性注意力与 MoE 架构，官方标注 256K 上下文和 5.1B 激活参数，目标是在处理长报告与多份材料时控制每 token 的计算量。
6. 兼容现有服务栈：由于与 Ling-3.0-flash 共享架构，官方称可沿用 SGLang 和 vLLM 运行时。思考模式默认开启，模型卡建议通用推理使用 temperature=1.0、top_p=0.95、top_k=20；实际业务仍应独立调参。

【评测范围】
官方模型卡列出 FinFIRST、FinSearchComp Verified、FinCRAFT、Finance Agent、APEX-Agents、SpreadsheetBench 和 τ³-Banking 等评测，覆盖来源检索、投资研究、长流程执行、估值、电子表格操作和银行工具调用。官方只在正文中定性称模型与同规模及更大通用模型具有竞争力，并强调来源选择和工具密集型金融任务。

在没有完整读取图表数值、任务设置和对照模型之前，本文不编造具体排名或提升百分比。FinFIRST 当前公开测试 split 为 123 条，包含中英文问题、答案、评分细则、问题拆解、时间约束、来源要求和计算类型等字段；它有助于透明复核，但 123 条测试题不能代表所有市场、资产和合规制度。

【适用对象】
这款模型适合证券研究、公司与行业分析、宏观数据检索、财报核对、估值建模、电子表格自动化和银行智能体的研发团队。需要在本地或私有云处理内部金融材料，并希望自己控制检索来源、工具权限和审核流程的机构，可以用开放权重建立验证环境。

它也适合研究金融领域继续训练、长上下文、多文档证据融合和工具调用的开发者。若任务只是固定指标提取或简单表格计算，专用规则、数据库查询或更小模型可能更稳定、成本更低。

【实际影响】
通用模型在金融任务中经常遇到三个问题：数据时效性不足、不同文件口径冲突，以及给出答案却没有可审查证据。Ling-3.0-flash-Fin 把“搜索—核对—计算—建模—交付”作为整体任务来训练，并开放 FinFIRST 评测细则，使团队能检查错误究竟发生在信源、数字提取、计算还是最终表达。

开放 BF16 权重还让机构能够进行私有部署、量化、领域微调和审计，而不必把未公开财务数据发送到外部 API。不过，124B 总参数仍意味着完整权重存储和部署资源较高，5.1B 激活参数只代表每 token 的主要计算路径，并不等于只需存放 5.1B 权重。

【限制与使用提醒】
第一，官方明确写明这是首个金融增强版本，复杂长流程仍需进一步验证。关键假设、估值结果和投资结论必须经过专业人员复核，模型输出不构成投资建议。

第二，金融信息具有强时效性。模型参数中的知识不能替代实时行情、交易所公告、监管文件、审计报告和公司正式披露；检索系统必须记录来源 URL、发布时间、数据截止时间与访问时间。

第三，长上下文并不保证长文档中的每个数字都被正确读取。表格跨页、扫描 PDF、单位换算、币种、合并口径、同比与环比、调整后与非调整后指标都可能造成错误，应使用结构化校验和人工抽样。

第四，电子表格操作可能修改公式、引用或格式。生产环境应采用文件副本、单元格级审计、公式白名单、差异检查与可回滚版本，禁止模型直接覆盖唯一原件。

第五，金融智能体涉及搜索、代码、浏览器、数据库和交易系统等工具时，应执行最小权限、只读优先、金额与订单双重确认、调用限额和完整日志。不得让模型在无人批准的情况下执行真实交易或资金操作。

第六，模型卡正文称 124B 总参数，而 Hugging Face 页面文件统计当前显示 127B params。两者可能采用不同统计口径；本文以开发者模型卡的架构口径描述，不自行推算差额来源。

第七，许可证为 MIT 不代表训练数据、输入文件和输出内容不存在其他权利或监管要求。处理个人金融信息、未公开重大信息和客户数据时，必须遵守所在地法律、内部合规与数据保护规则。

【官方来源】
inclusionAI 官方模型页：https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin
Ling 3.0 Fin 官方合集：https://huggingface.co/collections/inclusionAI/ling-30-fin
FinFIRST 官方评测集：https://huggingface.co/datasets/inclusionAI/FinFIRST
基础模型 Ling-3.0-flash：https://huggingface.co/inclusionAI/Ling-3.0-flash
官方仓库元数据：https://huggingface.co/api/models/inclusionAI/Ling-3.0-flash-Fin

欢迎光临闲社 (https://www.xianshe.com/)