蚂蚁集团旗下InclusionAI 推出 Ling-3.0-flash-Fin：首个金融增强型开源大模型

蚂蚁集团旗下 inclusionAI 推出 Ling‑3.0‑flash‑Fin，这也是蚂蚁 Ling 模型家族第一款面向金融领域增强的大模型。该版本基于 Ling‑3.0‑flash 基座，联合多家金融机构与行业专家，使用高质量金融专项数据完成增量训练。

• 模型：https://huggingface.co/collections/inclusionAI/ling-30-fin

模型采用稀疏混合专家架构，总参数量 124B，每次生成令牌激活 5.1B 参数，上下文窗口最高可达 256K，兼顾金融专业能力与推理速度，适合长流程智能代理任务。

蚂蚁集团 inclusionAI 发布 Ling-3.0-flash：124B 参数仅激活 5.1B

五大核心能力亮点

• 端到端金融研究
  打通信息检索、证据核验、数值计算、建模分析直至报告撰写全链路，不再把各项步骤拆分为独立任务，实现完整的研究工作流。
• 溯源式金融检索
  优先引用权威数据源，输出结果具备可追溯性。配套开源评测基准 FinFIRST，用来透明检验模型的检索溯源能力。
• 多文档交叉金融推理
  可以同时处理年报、财报、监管公告、调研纪要等多份材料，比对不同文件里面报告周期、专业定义、计算假设以及互相冲突的数据。
• 估值与电子表格工作流支持
  能够读懂表格计算公式、区分实际数值与预测估值，识别跨表单的数据依赖关系，完成平衡校验、多情景测算，最终输出可以直接编辑使用的财务模型。
• 可二次加工的研究成果输出
  自动整理事实素材、分析结论、判断观点与图表内容，产出结构清晰、便于金融从业者复核修改的研究文稿。

评测表现

Ling‑3.0‑flash‑Fin 在多套金融专项基准上完成能力测试：FinFIRST、FinSearchComp Verified、FinCRAFT、Finance Agent、APEX‑Agents、SpreadsheetBench、τ³‑Banking。

评测场景覆盖溯源检索、投资研究、长周期任务执行、估值建模、表格运算、银行业务流程。对比同规格模型以及更大体量的通用大模型，它拥有不俗的综合实力，在数据源筛选、重度工具调用类金融任务当中优势明显。

本地部署相关信息

本次放出的模型权重格式为 BF16。

因为架构和 Ling‑3.0‑flash 基座完全一致，可以直接兼容 SGLang、vLLM 推理运行环境，部署教程沿用 Ling‑3.0‑flash 的现有文档即可。

模型默认开启思考模式，官方给出最优推理参数建议：
temperature=1.0、top_p=0.95、top_k=20

模型局限与后续规划

作为 Ling 系列首款金融增强模型，Ling‑3.0‑flash‑Fin 的复杂长周期业务流程表现仍然需要更多落地验证。

模型给出的各类关键假设、估值测算结果、相关结论都必须经过金融专业人员复核；输出内容本身不构成任何投资建议。

后续团队计划开发更高规格的金融增强版本，提升复杂推理以及超长任务链路的执行效果。