蚂蚁集团于近日发布了其Ling系列首个金融增强模型Ling-3.0-flash-Fin，该模型基于Ling-3.0-flash在高质量金融数据上继续训练而来，旨在将金融专业知识与高效推理相结合，支持长程智能体工作流。模型总参数为124B，激活参数5.1B，上下文窗口达256K，并采用MIT许可开源。

Ling-3.0-flash-Fin的突出特点是端到端的金融研究能力，它将信息检索、证据审查、计算、建模和报告准备等环节打通，而非作为孤立任务处理。在金融搜索方面，模型优先采用权威来源，以提供准确、完整且可追溯的答案，并同步开源了FinFIRST评估基准，用于透明评估这些能力。此外，模型在多文档金融推理上表现出色，能够协调年报、财报发布、监管文件和调研材料中的报告期、定义、假设及冲突数据。

在估值和电子表格工作流方面，Ling-3.0-flash-Fin能够理解公式、实际与预估的更新、跨表依赖、平衡检查、情景分析，并支持可编辑的财务模型交付。其输出组织成清晰、可审查的材料，便于进一步编辑和专业审查。

评估方面，该模型在FinFIRST、FinSearchComp Verified、FinCRAFT、Finance Agent、APEX-Agents、SpreadsheetBench和τ³-Banking等多个基准上进行了测试，覆盖来源检索、投资研究、长程执行、估值建模、电子表格操作和银行工作流等任务。结果显示，模型在与同规模及更大规模通用模型竞争中具有竞争力，尤其在来源选择和工具密集型金融任务上表现突出。

当前发布的检查点为BF16格式，由于与Ling-3.0-flash共享架构，因此兼容相同的SGLang和vLLM运行环境。值得注意的是，思考模式默认开启，官方建议在通用推理时使用temperature=1.0、top_p=0.95和top_k=20以获得最佳性能。

作为首个金融增强版本，Ling-3.0-flash-Fin在复杂、长程工作流中仍需进一步验证。官方明确表示，关键假设、估值结果和投资结论需要专业审查，不构成投资建议。未来版本将探索更大规模的金融增强模型，以进一步提升复杂推理和长程任务执行能力。

此次发布标志着蚂蚁集团在金融垂直领域AI模型上的布局，其开源策略和评估基准的推出，或为金融AI的应用与评测提供新的参考。