Ling-3.0-flash-Fin是一款由蚂蚁百灵于 2026 年 8 月推出的金融增强大模型。它延续 Ling-3.0-flash 的 124B 总参数 / 5.1B 激活参数 MoE 架构，在通用底座上引入大规模高质量金融语料进行持续预训练与领域后训练对齐，专攻真实金融工作流中的信息检索、研究推理、估值建模与研报撰写。
| 基础信息 | 内容 |
|---|---|
| 开发团队 | 蚂蚁百灵（Ant Ling） |
| 发布时间 | 2026年8月31日 |
| 产品定位 | 金融增强大模型（面向真实金融工作流） |
| 参数规模 | 124B 总参数 / 5.1B 激活参数（MoE 稀疏激活） |
| 核心能力 | 信息检索、研究推理、估值建模、研报撰写 |
| 评测基准 | FinFIRST、FinSearchComp Verified |
| 开源策略 | 权重计划 2026 年 9 月初开源，OpenRouter 限时免费 API |
| 通用能力 | 通用智能指数（AA）从 38 分提升至 41 分 |
Ling-3.0-flash-Fin的核心能力
MoE 架构继承
Ling-3.0-flash-Fin 延续 Ling-3.0-flash 的模型架构与长上下文能力，保持 124B 总参数 / 5.1B 激活参数的稀疏激活配置，以较小的激活量实现接近大尺寸旗舰模型的金融任务表现，兼顾性能与部署成本。这种稀疏激活设计让模型在单卡即可完成部署推理，显著降低金融场景下高频调用的单位成本，适合研报生成与信息检索等需要反复调用的任务。
金融语料持续预训练
在通用底座基础上，模型引入大规模高质量金融领域数据进行持续训练，强化对年报、财务工作簿、研究材料等专业内容的理解，使模型更贴合国内财报与合规语境。蚂蚁百灵联合中金等一线金融机构与 50 余名金融专业人士，从任务定义、数据体系、训练方法到评测标准深度参与，使模型对齐金融行业的专业方法、分析逻辑与合规要求。语料覆盖监管公告、招股书、年报、研报与财务工作簿等多类型金融文档，并对数据口径与披露时点做严格对齐，从源头减少幻觉与口径偏差。
四大金融能力
模型重点打磨四项金融工作流能力：信息检索优先定位官方、一手及高可信金融资料，确保信源权威、时点准确、口径一致且结论可追溯；研究推理综合跨文档、多口径信息，通过多步分析与计算构建完整严谨的证据链；估值建模理解复杂财务勾稽关系，自动读取并更新包含数千公式的 Excel 财务模型；研报撰写从高密度材料中识别核心命题，组织数据、分析与图表形成专业叙事。
工具使用优化
针对金融工作流，模型优化工具调用能力，在 ReAct 智能体框架下协同使用 Web Search、Visit、Python 等工具，实现检索、计算、建模与文档编辑的端到端闭环。在 FinFIRST 评测的来源选择维度，模型得分 84.65，体现出对信源权威与可追溯性的强约束。作为蚂蚁百灵金融 AI 能力的一环，它也可与 支付宝AI开放平台等蚂蚁企业级 AI 服务形成协同。
Ling-3.0-flash-Fin与主流模型的对比
为看清 Ling-3.0-flash-Fin 的定位，将其与国内顶级通用大模型及国际金融专用模型在关键维度对比如下：
| 对比维度 | Ling-3.0-flash-Fin | GLM-5.3-Flash（智谱） | Bloomberg GPT |
|---|---|---|---|
| 研发背景 | 蚂蚁百灵 × 中金等金融机构共建 | 智谱原生长文本/多模态 | Bloomberg 基于自有金融终端数据 |
| 模型架构 | MoE，124B 总 / 5.1B 激活 | 原生多模态（稀疏+线性混合注意力） | 500B 参数 Dense 架构 |
| 开源策略 | 计划 9 月初开源 + OpenRouter 限时免费 | 已开源（Apache 类协议） | 完全闭源，仅限 Terminal 内部 |
| 核心能力 | 端到端金融工作流（检索→推理→建模→研报） | 编程、网络安全与多模态通用能力 | 金融 NLP（情感分析、NER、问答） |
| 工具协同 | ReAct 框架调用搜索/Python/表格 | 通用 Agent 工具调用 | 以文本生成与理解为主 |
| 中文金融 | 原生中文金融语料，适配国内合规 | 中文通用能力强 | 以英文金融数据为主 |
注：以上数据来自蚂蚁百灵官方发布信息与公开评测基准（FinFIRST、FinSearchComp Verified），Bloomberg GPT 数据为公开资料整理。
从官方数据可以看出，Ling-3.0-flash-Fin 的最大差异化在于“端到端金融工作流闭环”——它不只是金融 NLP 工具，而是把信息检索、研究推理、估值建模与研报撰写串成可编辑、可复核的任务链。与 GLM-5.3-Flash等国内顶级通用大模型相比，它在金融专业方法与合规语境上做了深度对齐；与国际上完全闭源的 Bloomberg GPT 相比，它采用 MoE 架构并计划开源，对中文金融场景的适配也更直接。若想了解其通用底座的能力边界，可参考同系列的 Ling-3.0-flash-base。
Ling-3.0-flash-Fin的应用场景与适用人群
Ling-3.0-flash-Fin 的金融工作流能力在以下场景具备直接价值：
- 财报与研报解析：自动提取年报、招股书、研报中的关键数据与观点，生成结构化摘要
- 金融智能问答：面向投研、客服等场景，对专业金融问题进行溯源式检索与解答
- 风险识别与合规：辅助识别财务异常、关联交易与合规风险点，输出可核查的依据
适用人群：券商与基金研究员、投行与量化分析师、企业财务与战略团队，以及需要高频处理年报、财务模型与研报的金融从业者。对希望以企业级智能体形式落地金融 AI 的团队，OpenAI Presence 等智能体部署平台也提供了相近方向的参考。值得注意的是，模型在强化金融能力的同时，通用智能指数（AA）从 38 分提升至 41 分，避免了“偏科”，使其在通用办公与金融专项之间取得平衡。
如何使用Ling-3.0-flash-Fin
当前 Ling-3.0-flash-Fin 以 API 形式提供，并通过 OpenRouter 开放限时免费调用，后续将开源权重支持本地部署。
- 获取免费额度：访问 Ling-3.0-flash-Fin 官网 的免费 API 页面，领取为期一个月的限时免费调用额度
- 发起调用：按 OpenRouter 接口规范传入金融任务提示词，调用模型完成检索、推理与生成
- 工具协同：在 ReAct 智能体框架中组合 Web Search、Python 与表格工具，构建端到端研究闭环
- 本地部署（即将开放）：待 2026 年 9 月初权重开源后，下载权重进行本地化部署与二次开发
Ling-3.0-flash-Fin的价格与开源情况
Ling-3.0-flash-Fin 当前通过 OpenRouter 提供为期一个月的限时免费 API，供开发者试用其金融增强能力。蚂蚁百灵计划于 2026 年 9 月初正式开源模型权重，开源后可下载进行本地化部署与二次开发。开源后，开发者可将权重部署在自有算力之上，结合蚂蚁百灵公开的金融评测基准做二次微调，进一步贴合机构内部的研究与合规流程。在金融能力增强的同时，模型的通用智能指数（AA）从 38 分提升至 41 分，实现了专业能力与通用能力的协同提升。
Ling-3.0-flash-Fin常见问题
Ling-3.0-flash-Fin 和 Ling-3.0-flash 有什么关系？
它延续 Ling-3.0-flash 的 124B 总参数 / 5.1B 激活参数 MoE 架构，是在通用底座上做金融语料持续预训练与领域后训练对齐的金融增强变体。
如何免费试用？
通过 OpenRouter 提供的 Ling-3.0-flash-Fin 免费 API（为期一个月限时）进行 API 调用体验。
支持哪些金融能力？
覆盖信息检索、研究推理、估值建模与研报撰写四大金融工作流，可处理年报、财务工作簿等复杂内容。
会开源吗？
模型权重计划于 2026 年 9 月初正式开源，开源后可下载进行本地化部署。
和 Bloomberg GPT 有什么不同？
Ling-3.0-flash-Fin 采用 MoE 架构并计划开源、支持 ReAct 工具协同与中文金融语境；Bloomberg GPT 为完全闭源的 Dense 架构，主要面向英文金融 NLP 任务。
相关文章
浙公网安备33010202004812号