Ling 3.0 Flash Fin: Ant Groups finansmodell med öppna vikter, nu oberoende poängsatt

Ling 3.0 Flash Fin, den finansfokuserade mixture-of-experts-modellen från Ant Groups inclu​sionAI-lab, har nu något som den saknade under sina första tre veckor: ett benchmarkresultat från någon annan än labbet som byggde den. Artificial Analysis har publicerat en oberoende utvärdering av Ling 3.0 Flash Fin, med betyget 23 på Intelligence Index (v4.3) och 24 på Finance & Accounting Index, och placerar den på det indexets Pareto-front för intelligens kontra aktiva parametrar. Modellen dök upp som en oannonserad gratis API-listning den 27 augusti 2026 och fick sina MIT-licensierade vikter den 3 september; den utomstående poängen är den första riktiga kontrollen av om finansfinjusteringen ovanpå Ling 3.0 Flash tillför något — och den landar lite annorlunda än leverantörens egen framställning antyder.

Ögonblicksbilden

Allt nedan är hämtat från modellkortet, Hugging Face-repositoriet och Artificial Analysis utvärdering. De två första är skrivna av leverantören; den tredje är inte det.

• Vad det är — en finansfokuserad mixture-of-experts-modell byggd på samma grundstomme som Ling 3.0 Flash: 124B totala parametrar med ~5,1B aktiva per token.

• Var den finns — endast text, ett kontextfönster på 262,144 tokens och upp till 32,768 utdatatokens, samma serveringsform som dess förälder.

• Vad det kostar – $0 per 1 miljon indata och $0 per 1 miljon utdata i en månadslång kostnadsfri API-testperiod som inleddes med tillkännagivandet den 28 augusti; Artificial Analysis listar oberoende samma nollpris. Inget betalt listpris har publicerats. BF16-vikterna är gratis att ladda ner och självhosta.

• Vad den gör — resonemang är aktiverat som standard och kan stängas av, funktionsanrop stöds, och strukturerad JSON-utdata är inte framtvingad.

• Vad som ändrades – en officiell lansering den 28 augusti med CICC, MIT-licensierade BF16-vikter på Hugging Face den 3 september tillsammans med FinFIRST-benchmarken, och den 16 september ett första oberoende resultat från Artificial Analysis.

• Vad det fortfarande saknar – ett betalt listpris, och en tredjepartskörning av FinFIRST självt.

Vad modellkortet säger

Modellkortet finns på Hugging Face under inclu​sionAI:s egen organisation, med tillhörande vikter. Dess påståenden är fortfarande författade av leverantören – Artificial Analysis mäter modellen och publicerar sina egna indexpoäng, men kör inte Ants FinFIRST-svit på nytt – så läs kortet som en avsiktsförklaring och behandla dess benchmark-siffror som Ants. Det beskriver Ling 3.0 Flash Fin som familjens "första finansförstärkta modell", som en vidareutveckling av Ling 3.0 Flash "genom fortsatt träning på högkvalitativ finansiell data", och centrerar lanseringen kring end-to-end finansiell forskning, källförankrad sökning, resonemang över flera dokument i inlämnade rapporter samt värderings- och kalkylbladsarbetsflöden.

• Arkitektur — 124B totalt / ~5,1B aktiva MoE, beskrivs som byggd på Ling 3.0 Flash, som i sin tur använder en hybrid Ki​mi Delta Attention + MLA-stack med 1/64 gles MoE (enligt leverantören).

• Kontext — 262,144 tokens in, upp till 32,768 tokens ut.

• Modalitet — text in, text ut; ingen bild-, ljud- eller videoinmatning.

• Resonemang — aktiverat som standard, kan inaktiveras på begäran.

• Tool calling — stöds, inklusive tools och tool_choice; inget stöd för response_format, så piped JSON garanteras inte.

• Vikter och licens — MIT; checkpointen släpps i BF16 (cirka 255 GB över 64 shards) på Hugging Face som inclusionAI/Ling-3.0-flash-Fin, i linje med familjens tillåtande standard för öppna vikter.

• Serving – kortet säger att Fin delar Ling 3.0 Flashs arkitektur och är kompatibel med SGLang- och vLLM-runtimeerna som redan servar föräldern. Den kompatibiliteten är ett påstående från leverantören; den hastighetssiffra som finns kommer från Artificial Analysis, inte från Ant.

Vad har förändrats sedan släppet — och vad är fortfarande overifierat

De okända faktorer som betydde mest för tre veckor sedan är nu avklarade. Ant Group tillkännagav formellt Ling 3.0 Flash Fin den 28 augusti i samarbete med CICC, och presenterade den som familjens första finansförstärkta modell samt öppnade en månads gratis API-provperiod. Sedan, den 3 september, dök BF16-checkpointen upp på inclusionAI:s Hugging Face-organisation under MIT-licens — samma tillåtande villkor som resten av Ling 3.0-familjen — så modellen kan nu laddas ner, självhostas och finjusteras. De saknade vikterna var den enskilt största anledningen att vara försiktig; den invändningen är borta.

Referensen för att köra Fin är föräldramodellen som visas ovan. Eftersom de två modellerna delar en arkitektur hänvisar Fin-kortet till Ling 3.0 Flashs driftsättningsguide i stället för att publicera en andra, och det anger att Fin är kompatibel med SGLang- och vLLM-körmiljöerna som redan betjänar föräldramodellen. Detta påstås av leverantören, men demonstreras inte med ett Fin-specifikt produktionsbenchmark för servering – även om Artificial Analysis rapporterar att Fin ligger på 162,4 utdatatokens per sekund i sin egen testrigg, vilket är snabbare än medianen på 115 som den följer för jämförbara modeller med öppna vikter.

Det som gör släppet till mer än att bara släppa vikter är FinFIRST – Financial Information Retrieval, Sourcing and Traceability – det benchmark som Ant Group byggde tillsammans med CICC:s investment banking-team och släppte samma dag. Det testar huruvida en modell kan hitta rätt data, citera auktoritativa primärkällor, utföra beräkningen korrekt och stå bakom processen, och poängsätter varje svar utifrån 701 detaljerade punkter som täcker resultat, process och bevisning. Uppsättningen är liten men sträng: fler än 50 finansprofessionella skrev och validerade frågorna, endast 9,78 % av kandidatposterna överlevde gallringen, och de 123 som återstår är 61,8 % beräkningstunga och 32,5 % multikälla. Eftersom frågorna, referenssvaren och bedömningskriterierna är offentliga under en Apache 2.0-licens ger FinFIRST tredje parter en gemensam måttstock för att verifiera Ant Groups påståenden. Ett verktyg för oberoende testning är dock inte en ersättning för det – och tre veckor senare har ingen utanför Ant publicerat en FinFIRST-körning.

Pengar är den huvudsakliga öppna posten nu. API:et är gratis under den månadslånga provperioden, vilket innebär att det kostnadsfria fönstret tar slut omkring slutet av september, och inget listpris för betalversionen har publicerats – så att budgetera mot Fin efter den tidpunkten innebär fortfarande att gissa. Allt annat som var öppet i augusti har en siffra kopplad till sig.

Varför en finansanpassad Ling 3.0 Flash är ett riktigt drag

Finansriktningen är det minst överraskande med den här releasen, eftersom familjen redan pekade ditåt. I Ants egen modellkortsutvärdering för Ling 3.0 Flash rapporterade labbet 27 % på τ3-Bench Banking – tvåa bland öppna modeller i flash-klassen bakom DeepSeek V4 Flash – och högst end-to-end-Elo på GDPVal v2-AA på cirka 1 107. Det är leverantörsrapporterade siffror för generalisten; en specialist finns för att pressa upp just de siffrorna. Ant Group driver AI i Alipay, betalningar, risk och investeringsprodukter, så en finansanpassad exekveringsmodell är familjens uttalade spelplan – "planerings- och exekveringsseparering" – tillämpad på den vertikal där företaget faktiskt tjänar pengar.

Skärmbilden ovan visar hur familjens oberoende referenspunkt såg ut i augusti: Artificial Analysis visar Ling 3.0 Flash på 38 i en äldre version av sitt Intelligence Index. Den siffran är nu inaktuell, och anledningen är värd att förstå innan du jämför den med något. Artificial Analysis poängsätter modeller på nytt när det reviderar indexet, och dess nuvarande v4.3-version placerar Ling 3.0 Flash på 21 mot en median på 8. 38:an är inte jämförbar med en v4.3-siffra – inklusive Fins.

Vad v4.3 säger är mer intressant än en ren nedgradering. Ling 3.0 Flash Fin får 23 poäng på det indexet – över sin egen generalistförälder på 21, och strax efter Ling 3.0 Flash VL på 25. På Finance & Accounting Index ligger Fin och VL-varianten lika på 24. Artificial Analysis placerar också Fin på Paretofronten för Intelligence Index mot aktiva parametrar: den matchar MiniMax-M2.7:s poäng på 23 samtidigt som den aktiverar 5,1B parametrar per token, jämfört med den modellens 10B. Nyansen slår också åt andra hållet – båda Ling-modellerna ligger under fronten för totala parametrar, där Qwen3.8 27B (xhigh) får 34 poäng med 27B totala parametrar.

Finansfinjusteringen är inte heller någon ren storseger. Fins noggrannhet i affärskunskap slår VL-variantens (17 % mot 11 %), men dess hallucineringsfrekvens är sämre (33 % mot 19 %), och den ligger efter i de agentiska måtten: 7 % på AutomationBench-AA mot 16 %, 1 171 Elo mot 1 225 på GDPval-AA v2, och 0 % på Terminal-Bench v4.0 för båda. Den förbrukar också ungefär 67 000 utdata-tokens per uppgift i Intelligence Index, cirka 34 % mer än VL. Det är profilen hos en modell som är hårt inriktad på dokumenttungt finansiellt arbete snarare än allmän agentisk exekvering – vilket ligger nära vad Ant hävdar om den, och är snävare än vad ”bättre på finans” låter som.

Gratis provperiod plus open weights — vad det är värt

En månads gratis API-testperiod plus MIT-licensierade vikter är ett väsentligt bättre läge än den kostnadsfria veckan utan vikter som den här modellen hade till en början. Möjligheten är tvåfaldig: utforska finansfinjusteringen på dina egna investeringsuppgifter i flera steg utan tokenkostnad via API:et, eller ladda ner BF16-checkpointen och köra – och finjustera – den själv. Försiktigheten är mer begränsad än tidigare, men den har inte försvunnit. En oberoende utvärdering är en verklig signal, inte en produktionsgaranti, och det den visar är en specialisering som köper dokumentförankrad noggrannhet till ett visst pris när det gäller kontroll av hallucinationer och agentisk exekvering. Kör dina egna uppgifter innan du slussar pengar genom den.

Det här är precis den situation som ett routinglager är byggt för. Genom ett enda API som ligger framför 200+ modeller kan du lägga Ling 3.0 Flash Fin på en testväg med automatisk failover till en beprövad generalist – när den nya modellen presterar sämre än väntat eller gratisnivån begränsar dig med hastighetsgränser, flyttas trafiken utan att du rör applikationskoden. När provperioden avslutas och ett listpris publiceras visar en router som förmedlar leverantörspriser vidare med 0 % påslag den nya siffran samma dag, så din kostnadsmodell uppdateras utan omförhandling. Testa specialisten, behåll skyddsnätet och besluta utifrån data i stället för leverantörens säljtext.

Vem ska lasta in det

Finans- och agentteam som bygger arbetsflöden för investeringsanalys, research eller långsiktiga beslut är den uppenbara målgruppen, och de delar sig i två läger: team som vill ha en kostnadsfri hostad provperiod av finansfinjusteringen innan det kostnadsfria fönstret stängs, och team som vill självhosta eller finjustera, för vilka de öppna vikterna är poängen. Artificial Analysis-profilen skärper matchningen – om din arbetsbelastning består av långa inlämningar, flerkällsavstämning och källbelagd research är Fins poäng riktade mot dig; om det är agentisk verktygsanvändning under snäva tokenbudgetar ser både VL-varianten och den generalistiska föräldramodellen starkare ut.

Hoppa över det om du behöver tvingande JSON-utdata (endpointen stöder inte response_format), om du behöver ett betalt API av produktionskvalitet med ett känt pris, eller om du befinner dig i ett reglerat sammanhang där varken ett leverantörskort eller ett enda tredjepartsindex är tillräckligt bevis i sig. Invändningen om öppna vikter som gällde i augusti gäller inte längre — MIT-checkpointen finns på Hugging Face. För den mest väldokumenterade medlemmen i familjen är Ling 3.0 Flash fortfarande det säkrare standardvalet.

Vad du kan titta på

Bevakningslistan för augusti bestod av fyra punkter; tre är nu avklarade. Avslutade: det officiella tillkännagivandet (28 augusti), släppet av vikterna (3 september, MIT) och en första oberoende utvärdering (16 september, Artificial Analysis). Fortfarande öppna, i prioritetsordning: en tredjepartskörning av FinFIRST av någon utan intressen i Ant, vilket skulle testa leverantörens egen benchmark på neutral mark; ett betalt listpris, vilket förvandlar provperiodens kalkyl till en budgetfråga; och Fin-specifika produktionssiffror för servering på vLLM eller SGLang, som modellkortet lovar genom arkitekturen men som ingen har publicerat.

Det ärliga läget: Ling 3.0 Flash Fin är tjugo dagar gammal, med öppna vikter under MIT, gratis i API:et i ungefär tio dagar till och har nu oberoende poängsatts minst en gång. Den slutade vara en svart låda i september – vikterna är nedladdningsbara, FinFIRST ger branschen en gemensam måttstock och Artificial Analysis har satt en siffra på modellen snarare än på dess stomme. Det som är verkligt i dag är att en finansfinjusterad medlem av den snabbast föränderliga familjen av öppenviktsmodeller på marknaden är gratis att anropa och gratis att köra, och att den första externa mätningen säger att specialiseringen är äkta men snäv. Den första FinFIRST-poängen från tredje part och betalpriset kommer att förvandla detta från en intressant lansering till ett beslut.