Ling-3.0-flash-Fin：面向真实金融工作流的开放模型
金融既关系资源配置与产业发展，也连接着千家万户的财富与生活。与一般信息处理不同，金融任务信息多变、口径复杂，分析横跨宏观、行业、公司与市场，结论还需经得起数据、逻辑与合规检验。因此金融智能不能停留在问答层面，而要进入真实工作流：找到可信信息，完成严谨分析与计算，并交付可复核、可编辑的研究成果。
基于在金融科技和人工智能领域的长期积累，蚂蚁集团携手国内一线金融机构和行业专家，共同打造 Ling-3.0-flash-Fin。从任务定义、数据体系和训练方法，到评测标准与真实场景验证，各方深度参与模型建设的关键环节，推动模型不断贴近金融行业的专业方法和实际需求。
作为蚂蚁百灵首个金融增强模型，Ling-3.0-flash-Fin 延续了 Ling-3.0-flash 的模型架构和长上下文能力，保持 124B 总参数、5.1B 激活参数的配置。在此基础上，模型通过金融语料持续预训练、领域后训练和工具使用优化，进一步强化对年报、财务工作簿、多份研究材料等复杂金融内容的处理能力，同时兼顾部署效率。
01 面向真实工作流，打磨投研核心能力
Ling-3.0-flash-Fin 首先从投资研究场景切入，重点打磨信息检索、研究推理、估值建模和研报撰写等核心能力，让信息、证据、计算、判断与文件交付能够在同一任务中协同完成。
专业能力增强，通用智能筑底
Ling-3.0-flash-Fin 在蚂蚁集团与中金公司联合打造的 FinFIRST、以及FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 等金融智能体基准上进行了测试，覆盖金融信息检索、投资研究分析、金融长程任务执行、估值建模、银行业务应用等场景。结果显示，与多款通用模型相比，Ling-3.0-flash-Fin 在上述任务中展现出较强竞争力。
评测说明
除特别说明外，Ling-3.0-flash-Fin 在所有基准测试中的采样参数均设置为 temperature=1、top_p=0.95。所有模型的推理强度（reasoning effort）均采用最高档设置。
- FinFIRST：由蚂蚁集团与中金公司联合开发的金融搜索基准。所有模型均采用统一的 ReAct 智能体框架进行评测，并配备 Web Search、Visit 和 Python 工具。该基准即将开源。
- FinSearchComp Verified：FinSearchComp 的内部专家验证版本，包含 145 道 T2/T3 级别的问题，其参考答案均经过金融专业人士的审核与修订。所有模型均采用配备 Web Search、Visit 和 Python 工具的 ReAct 智能体框架进行评测。我们使用 gpt-5-2025-08-07 作为评审模型。
- FinCRAFT ：面向真实金融投研场景的内部基准，用于评估 AI 智能体完成端到端金融研究与投资分析任务的能力。
- Finance Agent v1.1 / Finance Agent v2：所有模型均使用官方评测框架和公开数据集部分评测。结果采用 Strict-Pass 口径，即只有一项任务的全部评分标准均获满足，该任务才被判定为通过。为降低单次运行波动，v1.1 分数取 10 次运行的平均值，v2 分数取 20 次运行的平均值。
- APEX-Agents：采用官方评测框架。其中，Claude-Opus-5、GPT-5.6、GLM-5.2 和 Kimi-K3 使用 Mercor 公布的分数；MiniMax-M3 和 Hy3 使用官方公布的分数；其余模型的分数来自内部测试。
- SpreadSheetBench V1/V2：所有模型均使用 Claude Code 评测框架。V1 的最大交互轮数设置为 120，V2 设置为 300，单次任务的超时上限均为 3 小时。评测环境使用 Claude Code 2.1.173 和 LibreOffice 25.8.7，其中 Claude Code 启用默认 Skill 工具并关闭 Search 功能。在该评测框架下，Ling-3.0-flash-Fin 的 temperature 设置为 0.6。
- τ³-Banking：所有模型均采用 Artificial Analysis 公布的评测分数。
专业能力的提升，也离不开稳固的通用能力支撑。在 Ling-3.0-flash 的基础上，Ling-3.0-flash-Fin 进一步引入大规模高质量金融领域数据进行持续训练。金融领域能力得到强化的同时，模型在 AA Intelligence Index v4.1.1 上的得分由 38 分提升至 41 分，实现了通用能力与专业能力的协同提升。
02 信息检索：从”找到”走向准确、完整与可追溯
搜索是金融研究的起点。可靠的金融搜索不仅要给出正确答案，还要做到信源权威、时点准确、口径一致，并让关键数据与结论能够被复核。
蚂蚁集团联合中金打造了 FinFIRST（Financial Information Retrieval, Sourcing and Traceability）。该评测基准由 50 余名金融专业人士深度参与设计，从结果、过程和证据三个层面，系统评估答案是否准确完整、研究口径与计算是否合理，以及关键数据与结论能否回溯至权威原始资料。FinFIRST 将于近期开源，为金融搜索研究与评测提供可靠基准。
评测结果表明，Ling-3.0-flash-Fin 综合得分已超过一些大尺寸旗舰模型，和同等尺寸模型相比竞争力突出，尤其是擅长优先定位官方、一手及高可信资料。
Demo：Google 全平台月度 Token 处理量
🎬 视频演示（见公众号原文 ）
演示说明：本 Demo 仅可视化展示当前示例任务的处理轨迹，不代表模型的全量能力、所有任务流程或最终产品界面；演示内容仅供参考，不构成任何投资建议或决策依据
本案例要求模型梳理 Google 全平台月度 Token 处理量的四次首次披露，并计算各阶段增量。
Ling-3.0-flash-Fin 通过 23 次工具调用，最终聚焦到 Google I/O、Alphabet 财报电话会、Google Cloud 公告、SEC 文件及 CEO 博客，按“广泛寻权威源—辨析口径—锁定首披—统一数据—区间计算”构建连续数据序列，准确还原四次披露及相邻区间月均净增量。
03 研究推理：从数据走向判断，形成可复核的研究结论
真实的金融研究很少能依靠单条信息直接得出答案。模型需要综合不同文件、数据口径和时间节点的信息，厘清事实与假设，并通过分析、计算逐步构建完整、严谨的证据链。
Finance Agent Bench 将信息检索、公告分析、财务数据核验和多步计算整合在同一任务中。相关结果显示，Ling-3.0-flash-Fin 在较小激活参数架构下保持了有竞争力的金融研究表现，体现出训练对公告分析、信息检索和研究任务能力的增强。
Demo：Spire 业务重分类与盈利重构
🎬 视频演示（见公众号原文 ）
演示说明：本 Demo 仅可视化展示当前示例任务的处理轨迹，不代表模型的全量能力、所有任务流程或最终产品界面；演示内容仅供参考，不构成任何投资建议或决策依据
在 Spire 案例中，Ling-3.0-flash-Fin 通过 55 次工具调用，逐项核对 10-K、业绩公告和 8-K，识别 Storage 转为终止经营后的口径变化，重新拆分原 Midstream 盈利，并沿 Adjusted、Other 和 GAAP 三条路径交叉勾稽。模型最终确认持续经营业务的历史盈利为 1,780 万美元，并明确该数据不能直接作为后续预测基线。
04 估值建模：理解财务模型的复杂勾稽，实现模型自动更新交付
财报季期间，分析师往往需要在公司披露业绩后，第一时间更新数十家公司的财务模型，整理分析图表并准备研究报告。跨文档取数、实际值覆盖、历史期与预测期公式切换、财务勾稽、异常排查和可视化制作环环相扣，不仅工作量大，也容易因口径或公式问题产生错误。
SpreadsheetBench V1 主要考察真实工作簿中的单元格、公式和格式操作；SpreadsheetBench V2 将任务扩展到模型生成、调试、可视化及复杂多 Sheet 工作流。相关评测显示，Ling-3.0-flash-Fin 已具备不错的结构化表格操作和金融模型理解基础，后续会持续加强复杂跨表依赖、异常恢复和端到端交付的稳定性。
Demo：Google 2026 Q2 财务模型更新
🎬 视频演示（见公众号原文 ）
演示说明：本 Demo 仅可视化展示当前示例任务的处理轨迹，不代表模型的全量能力、所有任务流程或最终产品界面；演示内容仅供参考，不构成任何投资建议或决策依据
在该案例中，Ling-3.0-flash-Fin 读取公司财报，以及一份包含 7 张工作表、5,000 余个公式的 Excel 模型，识别实际值与预测值的对应关系，将 2026 Q2E 预测数据更新为 2026 Q2 实际披露数据，并同步处理相关公式、跨表依赖和 Summary 图表。
模型重点完成三类操作：
- 匹配实际值与预测值并切换对应公式；
- 还原单季数据、同步跨表依赖；
- 检查循环引用、配平关系和公式规范，更新 Summary 表与分析图表。
最终工作簿保留原有结构、公式关系和可编辑性。
05 研报撰写：让数据和图表共同支撑研究结论
研报撰写要求模型从高密度材料中识别核心命题，连接事实、数据与判断，并通过合适的图表和叙事结构，形成清晰、可复核的研究结论。
Demo：从研究材料到专业表达
🎬 视频演示（见公众号原文 ）
演示说明：本 Demo 仅可视化展示当前示例任务的处理轨迹，不代表模型的全量能力、所有任务流程或最终产品界面；演示内容仅供参考，不构成任何投资建议或决策依据
在以下两个案例中，Ling-3.0-flash-Fin 将分散材料整理为“事实—解释—判断—图表”的证据链：
- Micron：还原合同信息的经济含义。 模型将战略客户协议及约 1000 亿美元剩余履约义务放回多年合同语境，区分未来履约约束与当期收入，并保留合同执行、价格调整和供需变化等判断边界。
- NVIDIA：从新披露口径识别边际增长来源。 Hyperscale 与 ACIE 业务规模接近，环比增速分别为 12% 和 31%。模型据此提炼出，边际增长动力可能向 AI 云、主权 AI、企业和工业客户扩散，并通过并列图表将研究判断与官方披露逐一对应。
在现有案例中，Ling-3.0-flash-Fin 能够围绕核心命题组织数据、分析文字和图表，让每项证据服务于研究结论。在视觉表达上，模型根据内容关系选择图表形式、建立信息层级，生成便于后续编辑、路演沟通和专业审核的研究材料。
06 一个完整的案例：四项能力如何汇入同一条任务链
为了观察这些能力如何协同，我们选取了一个源自 APEX-Agents 投资银行任务场景的 Planet Fitness LBO （杠杆收购）案例，并在当前工具环境中进行复现。任务要求模型调整未来经营费用假设，测算不同情景下的投资回报，并在原工作簿中完成敏感性分析表。
🎬 视频演示（见公众号原文 ）
演示说明：本 Demo 仅可视化展示当前示例任务的处理轨迹，不代表模型的全量能力、所有任务流程或最终产品界面；演示内容仅供参考，不构成任何投资建议或决策依据
Ling-3.0-flash-Fin 沿经营费用、EBITDA、自由现金流、债务偿还和 IRR 梳理公式依赖；当表格工具无法正确刷新部分公式时，模型切换至 Python 重建关键计算链路，并与基准结果交叉核验，最终完成情景回报测算、敏感性分析和工作簿更新，保留文件可编辑性及关键计算依据。
07 局限性与未来计划
金融领域的复杂性决定了专业能力建设不可能一蹴而就。
作为首个金融增强版本，Ling-3.0-flash-Fin 已初步具备投研所需的核心能力，但从单项能力走向稳定、完整工作流，还需要在真实使用中持续检验和完善。涉及关键假设、估值结果和投资结论时，模型输出仍需由专业人员复核，不构成任何投资建议或决策依据。
下一阶段，Ling 将继续完善任务数据、过程校验和结果追溯，提升各环节的协同能力；同时探索在更大规模的模型底座上进行金融增强，进一步提升复杂推理与长链路任务能力，并逐步拓展投资研究之外的金融场景。
08 以开放共建推动长期演进
金融智能能力的长期建设，离不开金融机构、行业专家、专业用户和开发者的共同参与。蚂蚁百灵将与行业伙伴深入合作，持续完善金融数据与评测体系，推动模型能力在实际业务中得到验证和应用。
Ling-3.0-flash-Fin 将延续 Ling 系列的开放路线，基于开放模型底座构建，并逐步开放模型、工具与评测，为金融机构、研究团队和开发者提供灵活的部署与二次开发空间。
百灵将持续扎根真实金融工作流，让专业金融能力服务更广泛的需求。
Open Intelligence for the Real World.
09 即刻接入
面向金融从业者与开发者，Ling-3.0-flash-Fin 将在 OpenRouter 开启为期一个月的限时免费 API 调用，方便用户在金融研究、数据分析与应用开发等场景中快速体验和验证模型能力。
OpenRouter 体验地址：
https://openrouter.ai/inclusionai/ling-3.0-flash-fin:free#providers
Ling-3.0-flash-Fin 模型权重将于下周正式开源，敬请关注。