AREX Feed Article
蚂蚁集团开源金融增强模型 Ling-3.0-flash-Fin，FinFIRST 金融搜索基准同步发布
蚂蚁集团 AGI 项目旗下的语言模型系列 Ant Ling，于北京时间 9 月 3 日 23 时 25 分通过官方 X 账号（@AntLingAGI）宣布开源 Ling-3.0-flash-Fin，并同步发布金融搜索智能体基准 FinFIRST。 按官方表述，前者是“面向真实工作流的金融增强模型”（finance-enhanced model for real-world workflows），后者是“由专家构建、用于评测金融搜索智能体的基准”；帖文把两次发布归为同一个目标：“让金融 AI 更可及、更可验证”（making financial AI more accessible and verifiable）。
随后的两条帖文给出落点：模型权重与 FinFIRST 数据集分别上架 Hugging Face 与 ModelScope， 并披露 FinFIRST 由蚂蚁集团构建、中金公司（CICC）投行团队提供专业支持，V1 含 123 道专家任务、701 条原子评分标准、12,300 分评分权重。这距离 ，约一周。以下性能与评测数据均出自蚂蚁官方模型卡与数据集文档，属官方口径。
Ant Ling 家族的首个金融增强版本
据 Hugging Face 介绍，Ling-3.0-flash-Fin 是“Ant Ling 家族首个金融增强模型”，在 Ling-3.0-flash 基础上用高质量金融数据继续训练，由蚂蚁集团与头部金融机构、领域专家共同开发。模型为 MoE（混合专家）架构：124B 总参数，每个 token 激活 5.1B 参数，256K 上下文窗口，参数规模与此前预告一致。
能力的官方表述落在一组具体工作流上：在长报告、研究材料与复杂工作簿上做信息检索、研究、估值建模与报告撰写。开源权重意味着团队可以私有化部署，把模型接到搜索、Python、数据库和电子表格上，再适配自己的金融工作流。当前发布的是 BF16 检查点，与 Ling-3.0-flash 同架构，可直接复用 SGLang 和 vLLM 运行时；模型默认开启思考模式，官方建议采样参数 temperature=1.0、top_p=0.95、top_k=20。
官方自报的评测覆盖九个基准：FinFIRST、FinSearchComp Verified、FinCRAFT、FinanceAgent v1.1/v2、APEX-Agents、SpreadsheetBench v1/v2 与 τ³-Banking，称其“与同规模以及规模大得多的通用模型相比具有竞争力”，强项在信源选择与工具密集的金融任务。预告当天，Ant Ling 还给出一个通用能力数字：AA Intelligence Index v4.1.1 上得 41 分，高于基础版 flash 的 38 分。 模型卡公布的评测图把比较对象列在一起：GLM-5.2、Kimi-K3、DeepSeek-V4-Pro-0813、MiniMax-M3、Hy3，以及 GPT-5.6-Sol、Claude-Opus-5、Gemini-3.7-Flash。
123 道任务、701 条标准：FinFIRST 拆开打分
FinFIRST 的评分对象是研究过程，不只是最终答案。开宗明义：金融研究的答案必须由权威、及时、可验证的证据支撑，智能体还要核对主体、报告期、币种、单位、定义和数据版本，因此基准“用原子评分标准评估完整研究过程，而不是只比对最终答案”。
结构上，每个标准答案被拆成可独立判分的原子标准，按三个维度归组：原始信息获取、信源核验、计算与作答。这样既给有效的中间步骤计分，也能把失败定位到具体环节。V1 的 123 道题由 50 多名金融专业人士出题并核验，覆盖中、美等市场，研究对象包括公司、行业、区域经济与金融工具，全部使用公开信源。数据集里中文题 74 道（60.2%）、英文题 49 道；超过 80% 的题目含多个关联子问题，61.8% 需要显式计算，32.5% 需要多个信源，75.6% 不预设信源。
打开数据集能看到任务的形态。第 1 题要求按 2025 年 7 月 31 日收盘价、以最小买入单位分别买入中芯国际（688981.SH）与比亚迪（002594.SZ），算共需多少人民币；评分标准把过程拆成 6 条：查出两家公司的最小买入单位（各 20 分）、查出当日收盘价（各 20 分）、算出并写对最终金额 28,424 元（20 分），任何一条漏掉都拿不全分。质量控制同样严格：候选任务要经过价值与范围评审、独立重解、交叉验证与评分审计，最终接受率只有 9.78%。数据集以 Apache-2.0 协议发布，官方帖还附了技术报告 PDF。
官方披露的评估协议是：15 个模型配置在相同的 ReAct 式智能体框架下、用同一组 Web Search、Visit、Python 工具评测，GLM-5.1 担任自动裁判；在 8 名金融专家标注与裁定的 50 个随机样本上，裁判与人工标签在原子标准层面的 Cohen's κ 为 0.816。公布的结果里，GPT-5.6-Sol 的 Strict Pass（全部原子标准通过才算过）最高，为 71.54%；Claude-Opus-5 的 Loose Pass 达 87.61%，Strict Pass 却只有 69.11%。在参评的开源权重模型中，Ling-3.0-flash-Fin 的“无证据正确率”（答案对但证据不全的比例，UCR）最低，信源核验分最高。全部参评模型的 1,150 个答案正确样本中，201 个证据不完整，UCR 为 17.48%。
密集开源一个月，Fin 分两步放出
Ling-3.0-flash-Fin 之前，Ant Ling 的开源已经排了整整一个月（时间均为北京时间，按帖文时间戳换算）：8 月 4 日晚开放 Ling-3.0-flash 的 BF16 与 FP8 权重，；8 月 7 日凌晨发布 7.9B 参数、1.3B 激活的 Ling-3.0-tiny，；8 月 19 日晚开源 6 个未经后训练的 base checkpoint，；8 月 22 日凌晨放出针对 flash 的 DSpark 草稿模型。
Fin 的开源没有随模型展示同时进行：8 月 28 日凌晨的预告帖先亮出参数与评测对象，权重到 9 月 3 日深夜才公开。
发布一个半小时后，SGLang 宣布 Day-0 支持
开源约 1.5 小时后，（LLM 推理与服务引擎项目）即转发官宣，称“Day-0 支持已在 SGLang 上线”，并复述模型定位：为研究、检索、估值建模与报告准备调优，“在 FinFIRST、FinanceAgent、APEX-Agents、SpreadsheetBench 和 τ³-Banking 上有竞争力的结果”。（高吞吐推理引擎项目）在北京时间 9 月 4 日上午道贺：“开源模型和专家构建的基准，是迈向更可及、更可验证的金融 AI 的重要一步”，并表示期待这些工作流“在 vLLM 上规模化运行”。
量化一侧跟进得更快。本地推理引擎 在发布约 6 小时后贴出 ，并演示在本地解析一份 .xlsx 费用报表、生成按月汇总的 Markdown 表格。曾被 Ant Ling 公开致谢、在单台 DGX Spark 上连测一周 Ling-3.0-flash 的本地大模型开发者 则评论：“还是那颗我在自己桌面上跑的 124B MoE、5.1B 激活，只是为金融工作流调过……开源权重和开源评测一次放出，我们希望更多这样的动作。” 截至 9 月 4 日发稿，官宣帖浏览量已超过 13.5 万。
官方标出的边界：估值结论须专业复核
模型卡把边界写在“局限与未来工作”一节：作为家族首个金融增强发布，模型“仍需在复杂、长程工作流中进一步验证”；关键假设、估值结果和投资结论需要专业人士复核，不构成投资建议。
同一节还写明下一站：未来发布将探索更大规模的金融增强模型，以进一步改进复杂推理与长程任务执行。
参考链接
注：链接标题中的日期为帖文自带的 X 平台时间戳（UTC）；正文中的时间已换算为北京时间。