Ling 3.0 Flash Fin：蚂蚁集团的开放权重金融模型，现已获得独立评分

Ling 3.0 Flash Fin——蚂蚁集团旗下 inclusionAI 实验室推出的专注金融领域的混合专家模型——如今拥有了它在最初三周里所缺少的东西：一个并非来自构建它的实验室的基准分数。Artificial Analysis 已发布对 Ling 3.0 Flash Fin 的独立评估，该模型在 Intelligence Index（v4.3）上得分 23，在 Finance & Accounting Index 上得分 24，并进入该指数的智能与活跃参数帕累托前沿。该模型于 2026 年 8 月 27 日以未事先公布的免费 API 形式上架，并于 9 月 3 日获得了 MIT 许可的权重；外部评分首次真正检验了在 Ling 3.0 Flash 之上进行金融调优是否带来了任何收益——而结果与厂商自身说法所暗示的略有不同。

快照

以下所有内容均来自模型卡、Hugging Face 仓库以及 Artificial Analysis 的评估。前两者由供应商撰写；第三个则不是。

• 它是什么 —— 一个专注于金融的混合专家模型，基于与 Ling 3.0 Flash 相同的主干架构：总参数 124B，每个 token 激活约 5.1B 参数。

• 其定位——纯文本，262,144个令牌的上下文窗口，以及最多32,768个输出令牌，与其父模型相同的服务形态。

• 费用如何——在8月28日公告发布时同步开启的为期一个月的免费API试用期内，每100万输入token收费0美元，每100万输出token收费0美元；Artificial Analysis独立列出的价格同样是零。目前尚未公布任何付费标价。BF16权重可免费下载并自行托管。

• 功能说明 — 推理默认启用且可关闭，支持函数调用，不强制结构化 JSON 输出。

• 变化之处——8月28日与CICC一同正式发布，9月3日在Hugging Face上发布采用MIT许可的BF16权重并同步推出FinFIRST基准，9月16日又迎来Artificial Analysis给出的首个独立评分。

• 它仍然缺少的——付费标价，以及FinFIRST本身的第三方运行。

模型卡说了什么

模型卡位于 Hugging Face 上 inclu​sionAI 自己的组织下，背后有对应的权重。其各项声明仍由厂商自行撰写——Artificial Analysis 会对该模型进行测评并发布自己的指数得分，但不会重新运行蚂蚁的 FinFIRST 测试套件——因此，应把模型卡当作意图说明来读，并把其中的基准测试数字视为蚂蚁方面提供的数据。它将 Ling 3.0 Flash Fin 描述为该系列中“首个金融增强模型”，通过“在高质量金融数据上持续训练”对 Ling 3.0 Flash 进行扩展，并将此次发布的核心聚焦于端到端金融研究、有来源依据的搜索、跨申报文件的多文档推理，以及估值和电子表格工作流。

• 架构 — 总参数 124B / 激活参数约 5.1B 的 MoE，据称基于 Ling 3.0 Flash 构建，而后者本身采用混合 Ki​mi Delta Attention + MLA 架构，并带有 1/64 稀疏 MoE（厂商描述）。

• 上下文 — 262,144 个输入 token，最多 32,768 个输出 token。

• 模态 — 文本输入，文本输出；不支持图像、音频或视频输入。

• 推理 — 默认开启，可按请求禁用。

• 工具调用 — 支持，包括 tools 和 tool_choice；不支持 response_format，因此不保证管道 JSON 的输出。

• 权重与许可证 — MIT；检查点以 BF16 格式发布于 Hugging Face，名称为 inclusionAI/Ling-3.0-flash-Fin（跨 64 个分片约 255 GB），符合该系列宽松的开放权重标准。

• 服务 —— 卡片上称 Fin 与 Ling 3.0 Flash 共享同一套架构，并且兼容那些已经在为母模型提供服务的 SGLang 与 vLLM 运行时。这一兼容性属于厂商自述的说法；目前存在的那个速度数据出自 Artificial Analysis，而非 Ant。

自发布以来发生了什么变化——以及哪些仍未经验证

三周前最要紧的未知数已经解决。8月28日，蚂蚁集团与中金公司正式宣布 Ling 3.0 Flash Fin，将其定位为该系列首个金融增强模型，并开放为期一个月的免费 API 试用。随后在9月3日，BF16 检查点以 MIT 许可证出现在 inclu​sionAI 的 Hugging Face 组织下——与 Ling 3.0 系列其他模型相同的宽松条款——因此该模型现在可以下载、自托管和微调。此前缺失的权重曾是让人保持谨慎的最大单一理由；如今这一顾虑已经消失。

运行 Fin 的参考对象就是上文所示的父模型。由于两个模型共享同一架构，Fin 卡片并未另行发布部署指南，而是指向 Ling 3.0 Flash 的部署指南，并说明 Fin 与已在服务父模型的 SGLang 和 vLLM 运行时兼容。这一点由厂商声称，并未用 Fin 专属的生产服务基准加以验证——不过 Artificial Analysis 在其自有测试框架中报告 Fin 的吞吐为每秒 162.4 个输出 token，高于其为同类开放权重模型追踪的 115 中位数。

这次发布之所以不只是发布权重，是因为 FinFIRST——金融信息检索、来源获取与可追溯性——这个由蚂蚁集团与中金公司投行团队共同构建并于同日发布的基准。它测试模型能否找到正确的数据、引用权威的一手来源、正确完成计算，并为整个过程负责；它通过 701 个细粒度评分点对每个答案打分，这些评分点涵盖结果、过程与证据。这套题集规模小但要求严苛：50 多位金融专业人士撰写并验证了这些题目，候选题目中只有 9.78% 通过了筛选，最终留下的 123 道题中，61.8% 偏重计算，32.5% 涉及多来源。由于题目、参考答案和评分标准均以 Apache 2.0 许可证公开，FinFIRST 为第三方提供了用以验证蚂蚁集团说法的共同标尺。然而，用于独立测试的工具并不能替代独立测试本身——而且三周过去了，蚂蚁集团之外还没有人公布过 FinFIRST 的运行结果。

资金是现在主要的未决事项。API 在一个月试用期内免费，这意味着免费窗口的结束时间大约在 9 月下旬，而且尚未公布任何付费标价——因此，要为 Fin 在那之后做预算仍然只能靠猜。8 月所有其他悬而未决的事项都已经有具体数字了。

为什么金融调优版 Ling 3.0 Flash 是真正明智的一步棋

财务方向是这次发布中最不令人意外的部分，因为该系列模型早已指向这一方向。在蚂蚁集团为 Ling 3.0 Flash 发布的模型卡评估中，实验室报告其在 τ3-Bench Banking 上取得 27% 的成绩——在 Flash 级开源模型中仅次于 DeepSeek V4 Flash，位列第二——并在 GDPVal v2-AA 上以约 1,107 的端到端 Elo 得分排名最高。这些是厂商在通用模型上报告的数字；而专用模型的存在正是为了把这些数字推得更高。蚂蚁集团在支付宝、支付、风控和投资产品中运行 AI，因此面向金融调优的执行模型是该系列明确采用的策略——"规划-执行分离"——应用在公司真正赚钱的垂直领域。

上方截图展示的是该家族的独立参照点在八月份时的样子：Artificial Analysis 在其 Intelligence Index 的旧版本上将 Ling 3.0 Flash 显示为 38。这个数字如今已经过时，而在你将其与任何东西进行比较之前，其中的原因值得弄明白。Artificial Analysis 在修订指数时会对模型重新评分，其当前的 v4.3 版本将 Ling 3.0 Flash 定为 21，而中位数为 8。这个 38 与 v4.3 的数字不可直接比较——包括 Fin 的数字在内。

v4.3 所显示的内容比单纯的降级更有意思。Ling 3.0 Flash Fin 在该指数上得分为 23——高于其自身通用型父模型的 21 分，仅落后于 Ling 3.0 Flash VL 的 25 分。在财务与会计指数上，Fin 与 VL 变体以 24 分并列。Artificial Analysis 还将 Fin 置于智能指数与激活参数帕累托前沿的对比中：它与 MiniMax-M2.7 的 23 分持平，而每 token 激活 5.1B 参数，相比之下该模型为 10B。这种细微差别也有相反的一面——两个 Ling 模型都位于总参数前沿之下，在该前沿上，Qwen3.8 27B（xhigh）以 27B 总参数获得 34 分。

金融微调也并非完胜。Fin 的商业知识准确率高于 VL 变体（17% 对 11%），但其幻觉率更差（33% 对 19%），并且在智能体指标上落后：AutomationBench-AA 上为 7%，而 VL 为 16%；GDPval-AA v2 上为 1,171 Elo，而 VL 为 1,225；Terminal-Bench v4.0 上两者均为 0%。它每项 Intelligence Index 任务还大约消耗 67,000 个输出 token，比 VL 多约 34%。这描绘的是一个被明确瞄准文档密集型金融工作、而非通用智能体执行的模型——这与 Ant 对其的宣称相近，也比“更擅长金融”听起来要狭窄。

免费试用加开放权重——这有多大价值？

一个月的免费 API 试用外加 MIT 许可的权重，相比这个模型最初那个免费但无权重的一周，处境实质上要好得多。机会有两方面：在 API 上以零 token 成本，用你自己的多步投资任务来检验其金融微调；或者下载 BF16 检查点，自行运行——并微调——它。需要谨慎的范围比过去窄了，但并未消失。一次独立评估是真实的信号，而不是生产环境的保证；它显示出的是一种专精：以幻觉控制和智能体执行方面的一定代价，换取基于文档的准确性。在把资金交给它处理之前，先跑一遍你自己的任务。

这正是路由层存在的意义。通过一个统一接入 200 多个模型的 API，你可以把 Ling 3.0 Flash Fin 放进一条测试路径，并自动故障转移到久经考验的通用模型——当新模型表现不及预期，或免费额度对你限流时，流量会自动转移，无需改动应用代码。当试用期结束、标价公布时，一个以 0% 加价透传供应商价格的路由器会在当天显示新价格，让你的成本模型无需重新议价即可更新。试用专业模型，保留安全网，依据数据而非厂商宣传来做决定。

谁应该把它装上

金融和智能体团队构建投资分析、研究或长周期决策工作流，是显而易见的受众，他们分为两派：希望在免费窗口关闭前对金融调优进行零成本托管试用的团队，以及希望自行托管或微调的团队，对他们来说，开放权重才是关键。Artificial Analysis 的评估概况使适配性更加明确——如果你的工作负载是长篇申报文件、多源对账和有来源的研究，Fin 的评分就是针对你的；如果是严格令牌预算下的智能体工具使用，VL 变体和通用父模型看起来都更强。

如果你需要强制 JSON 输出（该端点不支持 response_format）、需要价格已知的付费生产级 API，或者身处受监管场景、单凭厂商说明卡或某个第三方指数都不足以作为独立证据，那就跳过它。8 月时还适用的开放权重反对理由如今已不再成立——MIT 许可的检查点已发布在 Hugging Face 上。对于该系列中文档最齐全的成员，Ling 3.0 Flash 仍是更稳妥的默认选择。

看什么好

8月观察清单原本有四项；现在三项已完成。已关闭：正式公告（8月28日）、权重发布（9月3日，MIT）以及首次独立评估（9月16日，Artificial Analysis）。仍未完成的，按重要性排序：由与 Ant 无利益关系的人对 FinFIRST 进行第三方运行，这将在中立基础上检验厂商自己的基准测试；付费标价，这会把试用测算变成预算问题；以及在 vLLM 或 SGLang 上的 Fin 专用生产服务数据，模型卡从架构上承诺了这一点，但尚无人公布。

诚实的现状是：Ling 3.0 Flash Fin 发布已有二十天，以 MIT 许可证开放权重，在 API 上大约还能再免费十天，而且如今至少已被独立评分过一次。它在九月就不再是黑箱——权重可以下载，FinFIRST 为行业提供了一把共享的标尺，而 Artificial Analysis 给出评分的是这个模型本身，而不是它的底座。如今真正确凿的是，市场上发展最快的开放权重系列中，一个经过金融微调的成员可以免费调用、免费运行，而首次外部评测表明，这种专业化是真实的，但范围较窄。首个第三方 FinFIRST 评分和付费价格，将把这次发布从一件有趣的事变成一个需要做出的决定。