蚂蚁百灵发布金融增强模型 Ling-3.0-flash-Fin
蚂蚁百灵发布首个金融增强模型 Ling-3.0-flash-Fin,延续 Ling-3.0-flash 架构,保持 124B 总参数、5.1B 激活参数,通过金融语料持续预训练、领域后训练和工具使用优化强化年报、财务工作簿等复杂金融内容处理。模型在 FinFIRST、FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 等基准上测试,AA Intelligence Index v4.1.1 得分由 38 提升至 41。模型将在 OpenRouter 开启为期一个月的限时免费 API 调用,权重于下周开源。

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
匹配字段正文