螞蟻集團於近日釋出了其Ling系列首個金融增強模型Ling-3.0-flash-Fin，該模型基於Ling-3.0-flash在高質量金融資料上繼續訓練而來，旨在將金融專業知識與高效推理相結合，支援長程智慧體工作流。模型總引數為124B，啟用引數5.1B，上下文視窗達256K，並採用MIT許可開源。

Ling-3.0-flash-Fin的突出特點是端到端的金融研究能力，它將資訊檢索、證據審查、計算、建模和報告準備等環節打通，而非作為孤立任務處理。在金融搜尋方面，模型優先採用權威來源，以提供準確、完整且可追溯的答案，並同步開源了FinFIRST評估基準，用於透明評估這些能力。此外，模型在多文件金融推理上表現出色，能夠協調年報、財報釋出、監管檔案和調研材料中的報告期、定義、假設及衝突資料。

在估值和電子表格工作流方面，Ling-3.0-flash-Fin能夠理解公式、實際與預估的更新、跨表依賴、平衡檢查、情景分析，並支援可編輯的財務模型交付。其輸出組織成清晰、可審查的材料，便於進一步編輯和專業審查。

評估方面，該模型在FinFIRST、FinSearchComp Verified、FinCRAFT、Finance Agent、APEX-Agents、SpreadsheetBench和τ³-Banking等多個基準上進行了測試，覆蓋來源檢索、投資研究、長程執行、估值建模、電子表格操作和銀行工作流等任務。結果顯示，模型在與同規模及更大規模通用模型競爭中具有競爭力，尤其在來源選擇和工具密集型金融任務上表現突出。

當前釋出的檢查點為BF16格式，由於與Ling-3.0-flash共享架構，因此相容相同的SGLang和vLLM執行環境。值得注意的是，思考模式預設開啟，官方建議在通用推理時使用temperature=1.0、top_p=0.95和top_k=20以獲得最佳效能。

作為首個金融增強版本，Ling-3.0-flash-Fin在複雜、長程工作流中仍需進一步驗證。官方明確表示，關鍵假設、估值結果和投資結論需要專業審查，不構成投資建議。未來版本將探索更大規模的金融增強模型，以進一步提升複雜推理和長程任務執行能力。

此次釋出標誌著螞蟻集團在金融垂直領域AI模型上的佈局，其開源策略和評估基準的推出，或為金融AI的應用與評測提供新的參考。