Ling 3.0 Flash Fin: โมเดลการเงินแบบโอเพนเวตส์ของ Ant Group ที่ได้รับการประเมินอย่างอิสระแล้ว

Ling 3.0 Flash Fin โมเดล mixture-of-experts ที่เน้นด้านการเงินจากห้องปฏิบัติการ inclusionAI ของ Ant Group ตอนนี้มีสิ่งที่ขาดไปในช่วงสามสัปดาห์แรก นั่นคือตัวเลข benchmark จากคนอื่นที่ไม่ใช่ห้องปฏิบัติการที่สร้างมันขึ้นมา Artificial Analysis ได้เผยแพร่การประเมินอิสระของ Ling 3.0 Flash Fin โดยให้คะแนน 23 ใน Intelligence Index (v4.3) และ 24 ใน Finance & Accounting Index และจัดให้อยู่บน Pareto frontier ของดัชนีนั้นในมิติ intelligence-versus-active-parameters โมเดลนี้ปรากฏตัวเป็นรายการ API ฟรีที่ไม่มีการประกาศเมื่อวันที่ 27 สิงหาคม 2026 และได้รับ weights ที่มีลิขสิทธิ์ MIT เมื่อวันที่ 3 กันยายน; คะแนนจากภายนอกถือเป็นการตรวจสอบจริงครั้งแรกว่าการปรับแต่งด้านการเงินบน Ling 3.0 Flash ให้ผลอะไรหรือไม่ — และมันออกมาแตกต่างเล็กน้อยจากกรอบที่ผู้ขายเองนำเสนอ

ภาพรวม

ทุกอย่างด้านล่างนี้รวบรวมมาจากการ์ดโมเดล ที่เก็บ Hugging Face และการประเมินของ Artificial Analysis สองรายการแรกจัดทำโดยผู้จำหน่าย ส่วนรายการที่สามไม่ได้เป็นเช่นนั้น

• มันคืออะไร — โมเดลแบบ mixture-of-experts ที่มุ่งเน้นด้านการเงิน สร้างบนแกนหลักเดียวกันกับ Ling 3.0 Flash: พารามิเตอร์รวม 124B โดยมีประมาณ 5.1B ที่ทำงานต่อโทเค็น

• จุดที่มันอยู่ — ข้อความเท่านั้น, หน้าต่างบริบทขนาด 262,144 โทเคน, และสูงสุด 32,768 โทเคนเอาต์พุต, รูปแบบการให้บริการเดียวกันกับต้นทาง

• ค่าใช้จ่าย — $0 ต่อ 1M อินพุต และ $0 ต่อ 1M เอาต์พุต ในการทดลองใช้ API ฟรีหนึ่งเดือนซึ่งเปิดพร้อมกับประกาศเมื่อวันที่ 28 สิงหาคม; Artificial Analysis ระบุราคาศูนย์เดียวกันนี้อย่างเป็นอิสระ ยังไม่มีการเผยแพร่ราคาต่อรายการแบบเสียค่าใช้จ่าย เวท BF16 ดาวน์โหลดฟรีและโฮสต์เองได้

• สิ่งที่มันทำ — การให้เหตุผลเปิดใช้งานโดยค่าเริ่มต้นและสามารถปิดได้ รองรับการเรียกใช้ฟังก์ชัน และไม่บังคับใช้เอาต์พุต JSON แบบมีโครงสร้าง

• สิ่งที่เปลี่ยนแปลง — การเปิดตัวอย่างเป็นทางการเมื่อวันที่ 28 สิงหาคม ร่วมกับ CICC, น้ำหนัก BF16 ภายใต้สัญญาอนุญาต MIT บน Hugging Face เมื่อวันที่ 3 กันยายน พร้อมกับเบนช์มาร์ก FinFIRST และเมื่อวันที่ 16 กันยายน คะแนนอิสระครั้งแรกจาก Artificial Analysis

• สิ่งที่ยังขาดอยู่ — ราคาที่ประกาศอย่างเป็นทางการสำหรับเวอร์ชันเสียเงิน และการทดสอบ FinFIRST ด้วยตัวเองโดยบุคคลที่สาม

สิ่งที่การ์ดโมเดลระบุ

การ์ดโมเดลนี้อยู่บน Hugging Face ภายใต้องค์กรของ inclu​sionAI เอง โดยมีน้ำหนักโมเดลอยู่เบื้องหลัง คำกล่าวอ้างของมันยังคงเป็นข้อความที่ผู้ขายเป็นผู้เขียน — Artificial Analysis วัดโมเดลและเผยแพร่คะแนนดัชนีของตัวเอง แต่ไม่ได้รันชุดทดสอบ FinFIRST ของ Ant ซ้ำ — ดังนั้นให้อ่านการ์ดนี้ในเชิงเจตนา และถือว่าตัวเลขเบนช์มาร์กของมันเป็นของ Ant มันอธิบาย Ling 3.0 Flash Fin ว่าเป็น "โมเดลที่เสริมความสามารถด้านการเงินรุ่นแรก" ของตระกูลนี้ โดยต่อยอด Ling 3.0 Flash "ผ่านการฝึกต่อเนื่องด้วยข้อมูลทางการเงินคุณภาพสูง" และมุ่งเน้นการเปิดตัวนี้ไปที่งานวิจัยทางการเงินแบบครบวงจร การค้นหาที่อ้างอิงแหล่งที่มา การใช้เหตุผลข้ามเอกสารหลายฉบับในเอกสารยื่น และเวิร์กโฟลว์การประเมินมูลค่าและสเปรดชีต

• สถาปัตยกรรม — MoE รวม 124B / เปิดใช้งาน ~5.1B โดยระบุว่าสร้างบน Ling 3.0 Flash ซึ่งตัวมันเองใช้สแต็กแบบไฮบริด Ki​mi Delta Attention + MLA พร้อม MoE แบบเบาบาง 1/64 (ตามคำอธิบายของผู้ขาย)

• บริบท — 262,144 โทเคนขาเข้า, สูงสุด 32,768 โทเคนขาออก

• รูปแบบ — รับข้อความเข้า ส่งข้อความออก; ไม่มีอินพุตรูปภาพ เสียง หรือวิดีโอ

• การใช้เหตุผล — เปิดใช้งานโดยค่าเริ่มต้น สามารถปิดใช้งานได้ตามคำขอ

• การเรียกใช้เครื่องมือ (Tool calling) — รองรับ รวมถึง tools และ tool_choice; ไม่รองรับ response_format ดังนั้น JSON ที่ส่งผ่านไปป์จึงไม่ได้รับการรับประกัน

• น้ำหนักและใบอนุญาต — MIT; checkpoint ถูกเผยแพร่ในรูปแบบ BF16 (ประมาณ 255 GB กระจายใน 64 shards) บน Hugging Face ในชื่อ inclusionAI/Ling-3.0-flash-Fin ซึ่งสอดคล้องกับมาตรฐานโอเพนเวตแบบ permissive ของตระกูลเดียวกัน

• การให้บริการ — การ์ดระบุว่า {{1}}Fin ใช้สถาปัตยกรรมเดียวกับ Ling 3.0 Flash และเข้ากันได้กับรันไทม์ SGLang และ vLLM ที่ให้บริการโมเดลแม่นี้อยู่แล้ว{{/1}} ความเข้ากันได้ดังกล่าวเป็น{{2}}ข้อกล่าวอ้างจากผู้ขาย{{/2}}; ตัวเลขความเร็วที่มีอยู่นั้นเป็น{{3}}ของ Artificial Analysis{{/3}} ไม่ใช่{{4}}ของ Ant{{/4}}

มีการเปลี่ยนแปลงอะไรบ้างนับตั้งแต่การเปิดตัว — และอะไรที่ยังไม่ได้รับการตรวจสอบ

ความไม่แน่นอนที่สำคัญที่สุดเมื่อสามสัปดาห์ก่อนได้คลี่คลายลงแล้ว Ant Group ได้ประกาศอย่างเป็นทางการถึง Ling 3.0 Flash Fin เมื่อวันที่ 28 สิงหาคม โดยร่วมมือกับ CICC โดยวางตำแหน่งให้เป็นโมเดลเสริมความสามารถด้านการเงินรุ่นแรกของตระกูล และเปิดให้ทดลองใช้ API ฟรีเป็นเวลาหนึ่งเดือน จากนั้นเมื่อวันที่ 3 กันยายน เช็กพอยต์ BF16 ได้ปรากฏบนองค์กร Hugging Face ของ inclusionAI ภายใต้สัญญาอนุญาต MIT — เงื่อนไขแบบเปิดเช่นเดียวกับส่วนอื่น ๆ ของตระกูล Ling 3.0 — ดังนั้นตอนนี้โมเดลสามารถดาวน์โหลดได้ โฮสต์เองได้ และปรับแต่งละเอียดได้ น้ำหนักที่ขาดหายไปเป็นเหตุผลเดียวที่ใหญ่ที่สุดที่ทำให้ต้องระมัดระวัง ข้อโต้แย้งนั้นหมดไปแล้ว

ข้อมูลอ้างอิงสำหรับการรัน Fin คือโมเดลแม่ที่แสดงไว้ด้านบน เนื่องจากทั้งสองโมเดลใช้สถาปัตยกรรมร่วมกัน การ์ด Fin จึงชี้ไปที่คู่มือการปรับใช้ของ Ling 3.0 Flash แทนที่จะเผยแพร่คู่มืออีกฉบับ และระบุว่า Fin เข้ากันได้กับรันไทม์ SGLang และ vLLM ที่ให้บริการโมเดลแม่อยู่แล้ว นั่นเป็นการยืนยันโดยผู้จำหน่าย ไม่ได้สาธิตด้วยการทดสอบประสิทธิภาพการให้บริการในสภาพแวดล้อมการผลิตที่เฉพาะสำหรับ Fin — แม้ว่า Artificial Analysis จะรายงานว่า Fin ทำได้ 162.4 โทเค็นเอาต์พุตต่อวินาทีในฮาร์เนสของตัวเอง ซึ่งเร็วกว่าค่ามัธยฐาน 115 ที่ติดตามสำหรับโมเดลแบบเปิดที่เทียบเคียงได้

สิ่งที่ทำให้การเปิดตัวครั้งนี้มากกว่าการปล่อยเวทโมเดลคือ FinFIRST — Financial Information Retrieval, Sourcing and Traceability — เกณฑ์มาตรฐานที่ Ant Group สร้างร่วมกับทีมวาณิชธนกิจของ CICC และเปิดตัวในวันเดียวกัน มันทดสอบว่าโมเดลสามารถค้นหาข้อมูลที่ถูกต้อง อ้างอิงแหล่งข้อมูลปฐมภูมิที่น่าเชื่อถือ คำนวณได้อย่างถูกต้อง และยืนหยัดอยู่เบื้องหลังกระบวนการได้หรือไม่ โดยให้คะแนนแต่ละคำตอบจาก 701 จุดย่อยที่ครอบคลุมผลลัพธ์ กระบวนการ และหลักฐาน ชุดนี้มีขนาดเล็กแต่เข้มงวด: ผู้เชี่ยวชาญด้านการเงินมากกว่า 50 คนเขียนและตรวจสอบคำถาม มีเพียง 9.78% ของข้อคำถามที่เข้าคัดเลือกที่ผ่านการคัดกรอง และ 123 ข้อที่เหลืออยู่เป็นข้อที่เน้นการคำนวณถึง 61.8% และเป็นแบบหลายแหล่งข้อมูล 32.5% เนื่องจากคำถาม เฉลยอ้างอิง และเกณฑ์การให้คะแนนเป็นสาธารณะภายใต้สัญญาอนุญาต Apache 2.0 FinFIRST จึงมอบมาตรวัดร่วมให้บุคคลที่สามใช้ตรวจสอบข้อกล่าวอ้างของ Ant ได้ อย่างไรก็ตาม เครื่องมือสำหรับการทดสอบอิสระไม่ใช่สิ่งทดแทนกัน — และสามสัปดาห์ต่อมา ยังไม่มีใครนอก Ant เผยแพร่การรัน FinFIRST

ตอนนี้เรื่องเงินคือประเด็นหลักที่ยังค้างอยู่ API ใช้งานฟรีตลอดช่วงทดลองใช้หนึ่งเดือน ซึ่งทำให้ช่วงฟรีสิ้นสุดราวปลายเดือนกันยายน และยังไม่มีการประกาศราคาตั้งแบบเสียค่าใช้จ่าย ดังนั้นการจัดงบประมาณสำหรับ Fin หลังจากจุดนั้นจึงยังต้องเดา ทุกอย่างอื่นที่ยังค้างอยู่ในเดือนสิงหาคมมีตัวเลขกำกับอยู่แล้ว

ทำไม Ling 3.0 Flash ที่ปรับแต่งสำหรับการเงินจึงเป็นการตัดสินใจที่ชาญฉลาด

ทิศทางด้านการเงินเป็นสิ่งที่น่าแปลกใจน้อยที่สุดเกี่ยวกับการเปิดตัวครั้งนี้ เพราะตระกูลโมเดลนี้ชี้ไปทางนั้นอยู่แล้ว ในการประเมิน model-card ของ Ant เองสำหรับ Ling 3.0 Flash ห้องแล็บรายงานผล 27% บน τ3-Bench Banking — เป็นอันดับสองในบรรดาโมเดลโอเพนระดับ flash รองจาก DeepSeek V4 Flash — และมี Elo แบบ end-to-end สูงสุดบน GDPVal v2-AA ที่ประมาณ 1,107 ตัวเลขเหล่านี้เป็นตัวเลขที่ผู้พัฒนารายงานบนโมเดลทั่วไป โมเดลเฉพาะทางมีไว้เพื่อผลักดันตัวเลขเหล่านั้นให้สูงขึ้น Ant Group ใช้ AI ภายใน Alipay ระบบชำระเงิน การบริหารความเสี่ยง และผลิตภัณฑ์การลงทุน ดังนั้นโมเดล execution ที่ปรับแต่งสำหรับการเงินจึงเป็น playbook ที่ตระกูลประกาศไว้ — "การแยกการวางแผนและการดำเนินการ" — ที่นำมาประยุกต์ใช้กับภาคธุรกิจที่บริษัทสร้างรายได้จริง

ภาพหน้าจอด้านบนคือจุดอ้างอิงอิสระของครอบครัวที่ปรากฏในเดือนสิงหาคม: Artificial Analysis แสดง Ling 3.0 Flash ที่ 38 บนบิลด์เก่าของ Intelligence Index ของมัน ตัวเลขนั้นล้าสมัยแล้วในตอนนี้ และเหตุผลนั้นคุ้มค่าที่จะทำความเข้าใจก่อนที่คุณจะเปรียบเทียบมันกับสิ่งใดๆ Artificial Analysis ให้คะแนนโมเดลใหม่เมื่อมีการปรับปรุงดัชนี และบิลด์ v4.3 ปัจจุบันของมันให้ Ling 3.0 Flash อยู่ที่ 21 เทียบกับค่ามัธยฐานที่ 8 เลข 38 ไม่สามารถนำมาเปรียบเทียบกับตัวเลขใน v4.3 ได้ — รวมถึงของ Fin ด้วย

สิ่งที่ v4.3 ระบุนั้นน่าสนใจกว่าการดาวน์เกรดแบบตรง ๆ Ling 3.0 Flash Fin ทำคะแนนได้ 23 ในดัชนีนั้น — สูงกว่าโมเดลแม่อเนกประสงค์ของตัวเองที่ 21 และเป็นรองเพียง Ling 3.0 Flash VL ที่ 25 ใน Finance & Accounting Index นั้น Fin และรุ่น VL เสมอกันที่ 24 Artificial Analysis ยังจัดวาง Fin ไว้บนพรมแดนพาเรโตระหว่าง Intelligence Index กับพารามิเตอร์ที่เปิดใช้งาน: มันทำคะแนนได้เท่ากับ MiniMax-M2.7 ที่ 23 ขณะที่เปิดใช้งานพารามิเตอร์ 5.1B ต่อโทเคน เทียบกับ 10B ของโมเดลนั้น ความละเอียดอ่อนนี้ก็มีผลในทางกลับกันเช่นกัน — โมเดล Ling ทั้งสองอยู่ต่ำกว่าพรมแดนพารามิเตอร์ทั้งหมด โดยที่ Qwen3.8 27B (xhigh) ทำคะแนนได้ 34 ด้วยพารามิเตอร์ทั้งหมด 27B

การปรับจูนด้านการเงินก็ไม่ใช่ชัยชนะแบบขาดลอยเช่นกัน ความแม่นยำด้านความรู้ทางธุรกิจของ Fin ชนะเวอร์ชัน VL (17% เทียบกับ 11%) แต่อัตราการฮาลลูซิเนตแย่กว่า (33% เทียบกับ 19%) และตามหลังในตัวชี้วัดเชิงเอเจนต์: 7% บน AutomationBench-AA เทียบกับ 16%, 1,171 Elo เทียบกับ 1,225 บน GDPval-AA v2 และ 0% บน Terminal-Bench v4.0 สำหรับทั้งคู่ นอกจากนี้ยังใช้เอาต์พุตโทเคนราว 67,000 โทเคนต่องาน Intelligence Index มากกว่า VL ประมาณ 34% นั่นคือโปรไฟล์ของโมเดลที่มุ่งเป้าไปที่งานด้านการเงินที่ใช้เอกสารจำนวนมากอย่างหนัก มากกว่าการทำงานแบบเอเจนต์ทั่วไป — ซึ่งใกล้เคียงกับสิ่งที่ Ant อ้างไว้สำหรับโมเดลนี้ และแคบกว่าที่คำว่า “เก่งด้านการเงินกว่า” ฟังดู

ทดลองใช้ฟรี บวกกับ open weights — สิ่งนั้นมีคุณค่าแค่ไหน

การทดลองใช้ API ฟรีหนึ่งเดือน บวกกับเวตที่ได้รับสัญญาอนุญาต MIT ถือเป็นจุดยืนที่ดีกว่าอย่างมีนัยสำคัญเมื่อเทียบกับสัปดาห์ฟรีที่ไม่มีเวตซึ่งโมเดลนี้มีในตอนแรก โอกาสมีอยู่สองทาง: ทดสอบการปรับจูนด้านการเงินกับงานลงทุนหลายขั้นตอนของคุณเองโดยไม่มีค่าใช้จ่ายโทเคนบน API หรือดาวน์โหลดเช็กพอยต์ BF16 แล้วรัน — และปรับจูน — ด้วยตัวคุณเอง ข้อควรระวังแคบลงกว่าเดิม แต่ยังไม่หายไป การประเมินอิสระหนึ่งครั้งเป็นสัญญาณจริง ไม่ใช่การรับประกันระดับโปรดักชัน และสิ่งที่มันแสดงให้เห็นคือความเชี่ยวชาญเฉพาะทางที่แลกความแม่นยำที่อิงกับเอกสารมาด้วยต้นทุนบางส่วนในด้านการควบคุมการสร้างข้อมูลที่ไม่มีมูลและการดำเนินการแบบเอเจนต์ จงรันงานของคุณเองก่อนที่คุณจะส่งเงินผ่านมัน

นี่คือสถานการณ์ที่เลเยอร์การจัดเส้นทางถูกสร้างขึ้นมาเพื่อรองรับโดยเฉพาะ ผ่าน API เดียวที่วางอยู่ด้านหน้าของโมเดลกว่า 200 ตัว คุณสามารถวาง Ling 3.0 Flash Fin ไว้บนเส้นทางทดสอบ พร้อมการสลับสำรองอัตโนมัติไปยังโมเดลเอนกประสงค์ที่พิสูจน์แล้ว เมื่อโมเดลใหม่ให้ผลไม่คุ้มค่าหรือแพ็กเกจฟรีจำกัดอัตราการใช้งานของคุณ ทราฟฟิกก็จะเปลี่ยนเส้นทางโดยไม่ต้องแตะโค้ดแอปพลิเคชัน เมื่อช่วงทดลองสิ้นสุดลงและราคาตามรายการปรากฏขึ้น เราเตอร์ที่ส่งผ่านราคาจากผู้ให้บริการโดยไม่บวกเพิ่ม 0% จะแสดงตัวเลขใหม่ให้เห็นในวันเดียวกัน ดังนั้นโมเดลต้นทุนของคุณจึงอัปเดตโดยไม่ต้องเจรจาต่อรองใหม่ ลองใช้โมเดลผู้เชี่ยวชาญ รักษาตาข่ายความปลอดภัยไว้ และตัดสินใจจากข้อมูลแทนคำโฆษณาของผู้ขาย

ใครควรจะโหลดมันขึ้นมา

ทีมการเงินและทีมเอเจนต์ที่สร้างเวิร์กโฟลว์ด้านการวิเคราะห์การลงทุน งานวิจัย หรือการตัดสินใจระยะยาวคือกลุ่มเป้าหมายที่ชัดเจน และพวกเขาแบ่งออกเป็นสองค่าย: ทีมที่ต้องการทดลองใช้แบบโฮสต์โดยไม่มีค่าใช้จ่ายของเวอร์ชันปรับจูนสำหรับการเงินก่อนที่ช่วงเวลาฟรีจะปิด และทีมที่ต้องการโฮสต์เองหรือปรับจูนเอง ซึ่งน้ำหนักโมเดลแบบเปิดคือจุดสำคัญสำหรับพวกเขา โปรไฟล์ของ Artificial Analysis ทำให้ความเหมาะสมชัดเจนยิ่งขึ้น — หากเวิร์กโหลดของคุณคือเอกสารยื่นแบบยาว การกระทบยอดจากหลายแหล่ง และงานวิจัยที่มีการอ้างอิงแหล่งที่มา คะแนนของ Fin ก็มุ่งเป้ามาที่คุณ; หากเป็น agentic tool use ภายใต้งบโทเค็นที่จำกัด ทั้ง VL variant และ generalist parent ต่างก็ดูแข็งแกร่งกว่า

ข้ามไปเลยถ้าคุณต้องการเอาต์พุต JSON ที่ถูกบังคับ (endpoint นี้ไม่รองรับ response_format) ถ้าคุณต้องการ API ระดับโปรดักชันแบบเสียเงินที่มีราคาที่รู้แน่นอน หรือถ้าคุณอยู่ในบริบทที่มีการกำกับดูแล ซึ่งทั้ง vendor card และดัชนีจากบุคคลที่สามเพียงรายเดียวไม่ถือเป็นหลักฐานที่เพียงพอด้วยตัวเอง ข้อโต้แย้งเรื่อง open-weights ที่ใช้ได้ในเดือนสิงหาคมนั้นใช้ไม่ได้อีกต่อไปแล้ว — checkpoint แบบ MIT อยู่บน Hugging Face สำหรับสมาชิกในตระกูลที่มีเอกสารประกอบมากที่สุด Ling 3.0 Flash ยังคงเป็นตัวเลือกที่ปลอดภัยกว่า

ดูอะไรดี

รายการเฝ้าติดตามเดือนสิงหาคมมีสี่รายการ ตอนนี้เสร็จแล้วสามรายการ ปิดแล้ว: การประกาศอย่างเป็นทางการ (28 สิงหาคม), การเผยแพร่น้ำหนักโมเดล (3 กันยายน, MIT) และการประเมินอิสระครั้งแรก (16 กันยายน, Artificial Analysis) ยังเปิดอยู่ ตามลำดับความสำคัญ: การรัน FinFIRST โดยบุคคลที่สามที่ไม่มีส่วนได้ส่วนเสียกับ Ant ซึ่งจะทดสอบเบนช์มาร์กของผู้ขายเองบนพื้นที่เป็นกลาง; ราคาตั้งที่ต้องจ่าย ซึ่งเปลี่ยนการคำนวณช่วงทดลองใช้ให้เป็นคำถามเรื่องงบประมาณ; และตัวเลขการให้บริการในโปรดักชันเฉพาะสำหรับ Fin บน vLLM หรือ SGLang ซึ่งการ์ดสัญญาไว้ตามสถาปัตยกรรม แต่ยังไม่มีใครเผยแพร่

สถานะตามจริง: Ling 3.0 Flash Fin มีอายุ 20 วัน เป็น open-weights ภายใต้ MIT ใช้งานฟรีบน API อีกประมาณ 10 วัน และตอนนี้ได้รับการให้คะแนนโดยอิสระอย่างน้อยหนึ่งครั้ง มันไม่ใช่กล่องดำอีกต่อไปตั้งแต่เดือนกันยายน — น้ำหนักโมเดลดาวน์โหลดได้ FinFIRST มอบเครื่องวัดมาตรฐานร่วมให้กับอุตสาหกรรม และ Artificial Analysis ได้ให้ตัวเลขกับตัวโมเดล ไม่ใช่แค่แบ็กโบนของมัน สิ่งที่เป็นจริงในวันนี้คือ สมาชิกที่ปรับจูนด้านการเงินของตระกูล open-weight ที่เคลื่อนไหวเร็วที่สุดในตลาดนั้นเรียกใช้ได้ฟรีและรันได้ฟรี และการวัดจากภายนอกครั้งแรกบอกว่าความเชี่ยวชาญเฉพาะทางนั้นมีอยู่จริงแต่แคบ คะแนน FinFIRST จากบุคคลที่สามครั้งแรกและราคาแบบจ่ายเงินจะเปลี่ยนสิ่งนี้จากการเปิดตัวที่น่าสนใจให้กลายเป็นการตัดสินใจ