模型定位

Ling-3.0-flash-Fin 基于 Ling-3.0-flash 打造：124B 总参数、5.1B 激活，256K 长上下文。与通用模型不同，它把重心放在长链路 Agent 能力上：信息检索强调优先定位官方、一手与高可信信源并关注时点和口径；研究推理强调多步计算与交叉验证，构建可复核的证据链；估值建模能进入真实工作簿，支持公式切换、跨表依赖与异常排查；最后把事实、数据和判断组织成可编辑、可审核的研究材料。

同步开放的 FinFIRST

  • 覆盖中国内地、美国、中国香港等市场，中文题占 60.2%，英文题占 39.8%
  • 超过五分之四的题目含多个相关子问题，61.8% 要求显式计算，32.5% 需要多个信源
  • 75.6% 的题目不直接指定信源，要求 Agent 自主搜索并判断
  • 所有题目均使用公开可访问信源；由 50 余位金融专业人士参与设计

实测情况

官方称模型已在 FinFIRST、FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 等多个金融智能体基准上测试，覆盖信息检索、投资研究、长程任务执行、估值建模与银行业务，综合表现超过部分大尺寸旗舰模型、在同尺寸中具备竞争力。模型权重已开放，并面向开发者提供 API 体验。

金融 AI 的验收标准变了：不只问“答得对不对”，还要问“信息来源是哪、口径是什么、结论怎么算出来的”——FinFIRST 把这套尺子公开了。