Ling 3.0 Flash Fin: Mô hình tài chính trọng số mở của Ant Group, nay đã được chấm điểm độc lập

Ling 3.0 Flash Fin, mô hình mixture-of-experts tập trung vào tài chính từ phòng thí nghiệm inclusionAI của Ant Group, giờ đã có thứ mà nó còn thiếu trong ba tuần đầu tiên: một con số benchmark từ một bên không phải chính phòng thí nghiệm đã tạo ra nó. Artificial Analysis đã công bố một đánh giá độc lập về Ling 3.0 Flash Fin, cho nó 23 điểm trên Intelligence Index (v4.3) và 24 điểm trên Finance & Accounting Index, đồng thời đặt nó lên đường biên Pareto trí tuệ so với tham số hoạt động của chỉ số đó. Mô hình này xuất hiện dưới dạng một danh sách API miễn phí không được công bố vào ngày 27 tháng 8 năm 2026, và nhận được trọng số được cấp phép MIT vào ngày 3 tháng 9; điểm số từ bên ngoài là phép kiểm tra thực sự đầu tiên về việc liệu việc tinh chỉnh tài chính trên nền Ling 3.0 Flash có mang lại được gì không — và nó lại cho kết quả hơi khác so với cách định vị của chính nhà cung cấp.

Bản chụp nhanh

Tất cả nội dung dưới đây được lấy từ thẻ mô hình, kho lưu trữ Hugging Face và đánh giá của Artificial Analysis. Hai nguồn đầu do nhà cung cấp viết; nguồn thứ ba thì không.

• Nó là gì — một mô hình hỗn hợp chuyên gia (mixture-of-experts) tập trung vào tài chính, được xây dựng trên cùng bộ khung với Ling 3.0 Flash: 124B tham số tổng cộng với ~5.1B tham số hoạt động trên mỗi token.

• Vị trí của nó — chỉ văn bản, cửa sổ ngữ cảnh 262.144 token và tối đa 32.768 token đầu ra, cùng hình thức phục vụ như phiên bản gốc của nó.

• Chi phí — $0 cho 1M đầu vào và $0 cho 1M đầu ra trong bản dùng thử API miễn phí một tháng đã mở cùng với thông báo ngày 28 tháng 8; Artificial Analysis cũng liệt kê độc lập mức giá 0 tương tự. Chưa có giá niêm yết trả phí nào được công bố. Trọng số BF16 được miễn phí tải xuống và tự lưu trữ.

• Chức năng của nó — suy luận được bật theo mặc định và có thể tắt, gọi hàm được hỗ trợ, và đầu ra JSON có cấu trúc không bị bắt buộc.

• Những thay đổi — một buổi ra mắt chính thức vào ngày 28 tháng 8 với CICC, trọng số BF16 theo giấy phép MIT trên Hugging Face vào ngày 3 tháng 9 cùng với bộ đánh giá FinFIRST, và vào ngày 16 tháng 9 là điểm số độc lập đầu tiên từ Artificial Analysis.

• Những gì nó vẫn còn thiếu — một mức giá niêm yết phải trả, và một lần chạy thử FinFIRST do bên thứ ba thực hiện.

Thẻ mô hình nói gì

Thẻ mô hình nằm trên Hugging Face dưới tổ chức riêng của inclu​sionAI, với trọng số đi kèm. Các tuyên bố của nó vẫn do nhà cung cấp tự soạn — Artificial Analysis đo lường mô hình và công bố điểm chỉ số của riêng mình, nhưng không chạy lại bộ FinFIRST của Ant — vì vậy hãy đọc thẻ này như ý định và coi các con số benchmark của nó là của Ant. Nó mô tả Ling 3.0 Flash Fin là "mô hình tăng cường tài chính đầu tiên" của dòng mô hình, mở rộng Ling 3.0 Flash "thông qua việc tiếp tục huấn luyện trên dữ liệu tài chính chất lượng cao", và đặt trọng tâm của bản phát hành vào nghiên cứu tài chính end-to-end, tìm kiếm dựa trên nguồn, suy luận đa tài liệu trên các hồ sơ nộp, cùng quy trình định giá và bảng tính.

• Kiến trúc — MoE tổng 124B / ~5,1B hoạt động, được mô tả là xây dựng trên Ling 3.0 Flash, vốn sử dụng ngăn xếp lai Ki​mi Delta Attention + MLA với MoE thưa 1/64 (theo mô tả của nhà cung cấp).

• Ngữ cảnh — 262.144 token đầu vào, tối đa 32.768 token đầu ra.

• Phương thức — văn bản vào, văn bản ra; không có đầu vào hình ảnh, âm thanh hoặc video.

• Reasoning — được bật mặc định, có thể tắt theo yêu cầu.

• Gọi công cụ — được hỗ trợ, bao gồm tools và tool_choice; không hỗ trợ response_format, nên JSON qua pipe không được đảm bảo.

• Trọng số và giấy phép — MIT; checkpoint được phát hành ở định dạng BF16 (khoảng 255 GB trải trên 64 shard) trên Hugging Face với tên inclusionAI/Ling-3.0-flash-Fin, phù hợp với tiêu chuẩn trọng số mở permissive của dòng mô hình.

• Phục vụ — thẻ cho biết Fin có chung kiến trúc với Ling 3.0 Flash và tương thích với các runtime SGLang và vLLM vốn đã phục vụ mô hình gốc. Tính tương thích đó là tuyên bố do nhà cung cấp đưa ra; con số tốc độ hiện có là của Artificial Analysis, không phải của Ant.

Điều gì đã thay đổi kể từ bản phát hành — và điều gì vẫn chưa được xác minh

Những ẩn số từng quan trọng nhất cách đây ba tuần đã được giải đáp. Ant Group đã chính thức công bố Ling 3.0 Flash Fin vào ngày 28 tháng 8 với sự hợp tác cùng CICC, định vị đây là mô hình tăng cường cho lĩnh vực tài chính đầu tiên của dòng họ này và mở thử nghiệm API miễn phí trong một tháng. Sau đó, vào ngày 3 tháng 9, checkpoint BF16 đã xuất hiện trên tổ chức Hugging Face của inclusionAI theo giấy phép MIT — cùng các điều khoản cấp phép thoáng như phần còn lại của dòng Ling 3.0 — nhờ đó mô hình giờ đây có thể được tải về, tự triển khai (self-host) và tinh chỉnh. Việc thiếu trọng số từng là lý do lớn nhất để phải thận trọng; nay trở ngại đó đã không còn.

Tài liệu tham chiếu để chạy Fin là mô hình cha được hiển thị ở trên. Vì hai mô hình dùng chung một kiến trúc, thẻ Fin trỏ đến hướng dẫn triển khai của Ling 3.0 Flash thay vì xuất bản một hướng dẫn thứ hai, và nêu rằng Fin tương thích với các runtime SGLang và vLLM vốn đã phục vụ mô hình cha. Điều đó được nhà cung cấp khẳng định, chứ không được chứng minh bằng một benchmark phục vụ production dành riêng cho Fin — mặc dù Artificial Analysis có báo cáo Fin đạt 162,4 token đầu ra mỗi giây trong harness của riêng mình, nhanh hơn mức trung vị 115 mà họ theo dõi cho các mô hình open-weight tương đương.

Điều khiến bản phát hành này không chỉ là một đợt thả trọng số đơn thuần chính là FinFIRST — Financial Information Retrieval, Sourcing and Traceability — bộ chuẩn đánh giá mà Ant Group xây dựng cùng đội ngũ ngân hàng đầu tư của CICC và phát hành cùng ngày. Bộ này kiểm tra liệu một mô hình có thể tìm đúng dữ liệu, trích dẫn các nguồn sơ cấp có thẩm quyền, thực hiện phép tính một cách chính xác và chịu trách nhiệm về quy trình hay không, đồng thời chấm điểm từng câu trả lời trên 701 điểm chi tiết bao quát kết quả, quy trình và bằng chứng. Bộ câu hỏi tuy nhỏ nhưng khắt khe: hơn 50 chuyên gia tài chính đã viết và thẩm định các câu hỏi, chỉ 9,78% mục ứng viên vượt qua vòng sàng lọc, và 123 mục còn lại có 61,8% nặng về tính toán và 32,5% đa nguồn. Vì các câu hỏi, đáp án tham chiếu và tiêu chí chấm điểm được công khai theo giấy phép Apache 2.0, FinFIRST cho bên thứ ba một thước đo chung để kiểm chứng các tuyên bố của Ant. Tuy nhiên, một công cụ để kiểm thử độc lập không thể thay thế cho chính việc kiểm thử độc lập — và ba tuần đã trôi qua, không ai ngoài Ant công bố một lần chạy FinFIRST.

Tiền là vấn đề còn bỏ ngỏ chính hiện nay. API miễn phí trong suốt thời gian dùng thử một tháng, điều này đưa thời điểm kết thúc giai đoạn miễn phí vào khoảng cuối tháng Chín, và chưa có giá niêm yết trả phí nào được công bố — nên việc lập ngân sách cho Fin sau thời điểm đó vẫn chỉ là đoán. Mọi thứ khác còn bỏ ngỏ vào tháng Tám đều đã có một con số đi kèm.

Vì sao việc tinh chỉnh Ling 3.0 Flash cho tài chính là một bước đi thực sự đúng đắn

Định hướng tài chính là điều ít bất ngờ nhất trong bản phát hành này, vì dòng mô hình này vốn đã hướng tới điều đó. Trong bảng đánh giá model card do chính Ant thực hiện cho Ling 3.0 Flash, phòng thí nghiệm báo cáo 27% trên τ3-Bench Banking — đứng thứ hai trong số các mô hình mở phân khúc flash, chỉ sau DeepSeek V4 Flash — và đạt Elo end-to-end cao nhất trên GDPVal v2-AA, khoảng 1.107. Đây là những con số do nhà cung cấp công bố trên mô hình đa năng; một mô hình chuyên biệt tồn tại để đẩy chính những con số đó lên cao hơn. Ant Group vận hành AI trong Alipay và các sản phẩm thanh toán, rủi ro và đầu tư, vì vậy một mô hình thực thi được tinh chỉnh cho tài chính chính là kịch bản chiến lược mà hãng đã tuyên bố — "tách biệt lập kế hoạch và thực thi" — được áp dụng cho lĩnh vực dọc mà công ty thực sự tạo ra lợi nhuận.

Ảnh chụp màn hình ở trên cho thấy điểm tham chiếu độc lập của gia đình trông như thế nào vào tháng 8: Artificial Analysis hiển thị Ling 3.0 Flash ở mức 38 trên một bản dựng cũ hơn của Chỉ số Thông minh của nó. Con số đó giờ đã lỗi thời, và lý do đáng để hiểu trước khi bạn so sánh nó với bất cứ thứ gì. Artificial Analysis chấm lại điểm cho các mô hình khi họ sửa đổi chỉ số, và bản dựng v4.3 hiện tại của họ đặt Ling 3.0 Flash ở mức 21 so với trung vị là 8. Mức 38 không thể so sánh với một con số v4.3 — kể cả của Fin.

Điều v4.3 thể hiện còn thú vị hơn một sự hạ cấp thẳng thừng. Ling 3.0 Flash Fin đạt 23 điểm trên chỉ số đó — cao hơn mô hình tổng quát gốc của chính nó ở mức 21, và chỉ xếp sau Ling 3.0 Flash VL ở mức 25. Trên Chỉ số Tài chính & Kế toán, Fin và biến thể VL bằng điểm nhau ở 24. Artificial Analysis cũng đặt Fin lên đường biên Pareto giữa Chỉ số Thông minh và tham số hoạt động: nó ngang bằng điểm 23 của MiniMax-M2.7 trong khi chỉ kích hoạt 5,1B tham số mỗi token, so với 10B của mô hình đó. Sắc thái này cũng cắt theo chiều ngược lại — cả hai mô hình Ling đều nằm dưới đường biên tổng tham số, nơi Qwen3.8 27B (xhigh) đạt 34 điểm với tổng cộng 27B tham số.

Việc tinh chỉnh cho tài chính cũng không phải là một thắng lợi toàn diện. Độ chính xác kiến thức kinh doanh của Fin vượt qua biến thể VL (17% so với 11%), nhưng tỷ lệ ảo giác của nó tệ hơn (33% so với 19%), và nó kém hơn ở các chỉ số agentic: 7% trên AutomationBench-AA so với 16%, 1.171 Elo so với 1.225 trên GDPval-AA v2, và 0% trên Terminal-Bench v4.0 đối với cả hai. Nó cũng tiêu tốn khoảng 67.000 token đầu ra cho mỗi tác vụ Intelligence Index, nhiều hơn VL khoảng 34%. Đó là đặc điểm của một mô hình được nhắm mạnh vào công việc tài chính nặng tài liệu hơn là thực thi agentic tổng quát — điều này gần với những gì Ant tuyên bố về nó, và hẹp hơn so với hàm ý của cụm "giỏi tài chính hơn".

Bản dùng thử miễn phí cộng với trọng số mở — giá trị của điều đó là gì

Một tháng dùng thử API miễn phí cùng trọng số được cấp phép MIT là một vị thế tốt hơn đáng kể so với tuần miễn phí không có trọng số mà mô hình này từng có lúc ban đầu. Cơ hội có hai hướng: thử bản tinh chỉnh tài chính trên các tác vụ đầu tư nhiều bước của riêng bạn với chi phí token bằng 0 trên API, hoặc tải checkpoint BF16 về rồi tự chạy — và tinh chỉnh — nó. Mối lo nay đã hẹp hơn trước, nhưng vẫn chưa biến mất. Một đánh giá độc lập là một tín hiệu thật sự, không phải bảo đảm cho môi trường sản xuất, và điều nó cho thấy là một sự chuyên biệt hóa giúp có được độ chính xác dựa trên tài liệu, đổi lại phải chịu phần nào chi phí ở khả năng kiểm soát ảo giác và thực thi dạng tác tử. Hãy chạy các tác vụ của riêng bạn trước khi đưa tiền chạy qua nó.

Đây chính xác là tình huống mà một lớp định tuyến được sinh ra để xử lý. Thông qua một API duy nhất đứng trước hơn 200 mô hình, bạn có thể đưa Ling 3.0 Flash Fin vào một luồng thử nghiệm với khả năng tự động chuyển sang một mô hình đa dụng đã được kiểm chứng — khi mô hình mới không đáp ứng kỳ vọng hoặc gói miễn phí giới hạn tốc độ, lưu lượng sẽ được chuyển hướng mà không cần đụng đến mã ứng dụng. Khi đợt dùng thử kết thúc và giá niêm yết được áp dụng, một bộ định tuyến chuyển tiếp nguyên giá của nhà cung cấp với mức chênh 0% sẽ hiển thị con số mới ngay trong cùng ngày, để mô hình chi phí của bạn cập nhật mà không cần đàm phán lại. Hãy dùng thử mô hình chuyên biệt, giữ lại tấm lưới an toàn, và quyết định dựa trên dữ liệu thay vì lời quảng cáo của nhà cung cấp.

Ai nên chất nó lên?

Các đội ngũ tài chính và đội ngũ agent đang xây dựng quy trình phân tích đầu tư, nghiên cứu hoặc ra quyết định dài hạn là nhóm đối tượng hiển nhiên, và họ chia thành hai phe: những đội muốn dùng thử miễn phí bản tinh chỉnh tài chính trên nền tảng hosted trước khi cửa sổ miễn phí đóng lại, và những đội muốn tự host hoặc fine-tune, những người mà trọng số mở chính là điều cốt lõi. Hồ sơ Artificial Analysis làm rõ hơn độ phù hợp — nếu khối lượng công việc của bạn là các tài liệu nộp dài, đối chiếu đa nguồn và nghiên cứu có trích nguồn, thì điểm số của Fin nhắm thẳng vào bạn; nếu đó là sử dụng công cụ dạng agent trong ngân sách token eo hẹp, thì biến thể VL và mô hình gốc đa dụng đều có vẻ mạnh hơn.

Bỏ qua nó nếu bạn cần đầu ra JSON bắt buộc (endpoint không hỗ trợ response_format), nếu bạn cần một API trả phí, đạt chuẩn production với mức giá đã biết, hoặc nếu bạn đang ở trong bối cảnh bị quản lý chặt, nơi mà cả thẻ nhà cung cấp lẫn một chỉ số của bên thứ ba đều không đủ làm bằng chứng chỉ riêng nó. Lý lẽ phản đối open-weights từng áp dụng vào tháng Tám nay không còn áp dụng nữa — checkpoint MIT đã có trên Hugging Face. Với thành viên được tài liệu hóa đầy đủ nhất trong dòng, Ling 3.0 Flash vẫn là lựa chọn mặc định an toàn hơn.

Xem gì

Danh sách theo dõi tháng Tám có bốn mục; đến nay đã xong ba. Đã khép lại: thông báo chính thức (28 tháng 8), bản phát hành trọng số (3 tháng 9, MIT), và đánh giá độc lập đầu tiên (16 tháng 9, Artificial Analysis). Vẫn còn bỏ ngỏ, theo thứ tự quan trọng: một lần chạy FinFIRST do bên thứ ba không có lợi ích gì ở Ant thực hiện, nhằm kiểm chứng benchmark của chính nhà cung cấp trên nền tảng trung lập; một mức giá niêm yết phải trả, thứ biến phép tính dùng thử thành câu hỏi về ngân sách; và những con số phục vụ vận hành thực tế dành riêng cho tài chính trên vLLM hoặc SGLang, điều mà thẻ mô hình hứa hẹn dựa trên kiến trúc nhưng chưa ai công bố.

Tình trạng thành thật: Ling 3.0 Flash Fin đã ra đời được hai mươi ngày, trọng số mở theo giấy phép MIT, miễn phí trên API thêm khoảng mười ngày nữa, và giờ đã được đánh giá độc lập ít nhất một lần. Nó đã không còn là hộp đen từ tháng Chín — các trọng số có thể tải xuống, FinFIRST trao cho ngành một thước đo chung, và Artificial Analysis đã gán một con số cho chính mô hình thay vì phần xương sống của nó. Điều có thật ngày hôm nay là một thành viên được tinh chỉnh cho tài chính thuộc dòng trọng số mở chuyển động nhanh nhất trên thị trường được gọi miễn phí và chạy miễn phí, và rằng phép đo đầu tiên từ bên ngoài nói rằng sự chuyên biệt hóa là thật nhưng hẹp. Điểm FinFIRST đầu tiên từ bên thứ ba và mức giá trả phí sẽ biến đây từ một bản phát hành thú vị thành một quyết định.