Ling 3.0 Flash Fin：螞蟻集團的開放權重金融模型，現已獨立評分

Ling 3.0 Flash Fin，來自螞蟻集團 inclu​sionAI 實驗室、專注於金融的混合專家模型，如今擁有了它在最初三週所欠缺的一樣東西：一個來自打造它的實驗室以外人士的基準測試分數。Artificial Analysis 已發布對 Ling 3.0 Flash Fin 的獨立評估，在 Intelligence Index（v4.3）上給予 23 分，在 Finance & Accounting Index 上給予 24 分，並將其置於該指數的智慧對活躍參數帕雷托前沿上。該模型於 2026 年 8 月 27 日以未經宣布的免費 API 形式上架，並於 9 月 3 日取得 MIT 授權的權重；這個外部評分是首次真正檢驗：疊加在 Ling 3.0 Flash 之上的金融微調是否真能帶來任何效益——而它的結果，與廠商自身說法所暗示的略有不同。

快照

以下所有內容皆取自模型卡、Hugging Face 儲存庫，以及 Artificial Analysis 的評估。前兩者由供應商撰寫；第三者則否。

• 它是什麼——一個專注於金融的混合專家模型，建立在與 Ling 3.0 Flash 相同的骨幹上：總參數 124B，每個 token 約有 5.1B 個活躍參數。

• 其定位 — 純文字，262,144 個 token 的上下文視窗，以及最多 32,768 個輸出 token，與其父模型相同的服務型態。

• 成本 — 在 8 月 28 日公告時同步上線的為期一個月免費 API 試用中，每 1M 輸入為 $0、每 1M 輸出為 $0；Artificial Analysis 也獨立列出相同的零價格。目前尚未公布任何付費定價。BF16 權重可免費下載並自行託管。

• 功能說明 — 推理功能預設啟用且可關閉，支援函式呼叫，不強制要求結構化 JSON 輸出。

• 有何變化——8月28日與CICC正式發布，9月3日在Hugging Face上發布採用MIT授權的BF16權重，同時推出FinFIRST基準測試，並於9月16日獲得Artificial Analysis的首個獨立評分。

• 它仍缺少什麼——付費的標價，以及第三方對 FinFIRST 本身進行的測試。

模型卡說了什麼

模型卡放在 Hugging Face 上，隸屬於 inclu​sionAI 自家的組織，並附有權重。其宣稱仍由廠商撰寫——Artificial Analysis 會測量該模型並發布自家的指數分數，但不會重新執行螞蟻的 FinFIRST 測試套件——因此請將模型卡讀作意圖陳述，並將其基準數字視為螞蟻的數據。它將 Ling 3.0 Flash Fin 描述為該系列「首個金融增強模型」，透過「持續以高品質金融資料訓練」延伸 Ling 3.0 Flash，並將此次發布的重點放在端到端金融研究、具來源依據的搜尋、跨申報文件的多文件推理，以及估值與試算表工作流程上。

• 架構 —— 總參數 124B／約 5.1B 啟用參數的 MoE，據描述是以 Ling 3.0 Flash 為基礎打造，而 Ling 3.0 Flash 本身採用混合的 Ki​mi Delta Attention + MLA 堆疊，並搭配 1/64 稀疏 MoE（廠商說法）。

• 上下文 — 262,144 個輸入 token，最多 32,768 個輸出 token

• 模態 — 文字輸入、文字輸出；不支援圖像、音訊或影片輸入。

• 推理 — 預設開啟，可依請求停用。

• 工具呼叫 — 支援，包括 tools 和 tool_choice；不支援 response_format，因此不保證管道化的 JSON。

• 權重與授權 — MIT；檢查點以 BF16 格式發布（約 255 GB，分為 64 個分片）於 Hugging Face，名為 inclusionAI/Ling-3.0-flash-Fin，符合該系列寬鬆的開放權重標準。

• 服務 — 模型卡指出，Fin 與 Ling 3.0 Flash 共享架構，並與已在服務母模型的 SGLang 和 vLLM 執行環境相容。該相容性是廠商聲稱的說法；現有的速度數據是 Artificial Analysis 的，而非 Ant 的。

自發佈以來有哪些變更——以及什麼仍尚未驗證

三週前最舉足輕重的未知數如今都已底定。螞蟻集團於 8 月 28 日與中金公司（CICC）共同正式發表 Ling 3.0 Flash Fin，將其定位為該系列首款金融增強模型，並開放為期一個月的免費 API 試用。接著在 9 月 3 日，BF16 檢查點以 MIT 授權出現在 inclusionAI 的 Hugging Face 組織頁面——與 Ling 3.0 系列其餘成員相同的寬鬆條款——因此該模型現在可供下載、自行架設與微調。權重從缺曾是保持審慎的最大單一理由；這個顧慮已不復存在。

執行 Fin 的參考依據就是上方所示的父模型。由於這兩個模型共用架構，Fin 的模型卡指向 Ling 3.0 Flash 的部署指南，而非另行發布第二份，並指出 Fin 與已用來服務父模型的 SGLang 和 vLLM 執行環境相容。這是供應商的主張，並未以 Fin 專屬的正式環境服務基準測試加以證明——不過 Artificial Analysis 在其自有測試框架中確實回報 Fin 達到每秒 162.4 個輸出符元，快於其追蹤的同類開放權重模型 115 的中位數。

讓這次發布不只是「釋出權重」的，是 FinFIRST——財務資訊檢索、取材與可追溯性（Financial Information Retrieval, Sourcing and Traceability）——這套基準測試由螞蟻集團與中金公司的投資銀行團隊共同打造，並於同日發布。它檢驗模型能否找到正確的資料、引用權威的一手來源、正確完成計算，並為整個流程背書，對每個答案依 701 個細粒度評分點評分，涵蓋結果、流程與證據。這套題庫規模雖小卻極嚴苛：超過 50 位金融專業人士撰寫並驗證題目，候選題目中僅 9.78% 通過篩選，最終留下的 123 題裡有 61.8% 偏重計算、32.5% 需要多重來源。由於題目、參考答案與評分標準以 Apache 2.0 授權公開，FinFIRST 為第三方提供了一把共同的尺規，用來驗證螞蟻的說法。然而，一個供獨立測試使用的工具，並不等于獨立測試本身——三週過去，螞蟻之外仍沒有人發表過 FinFIRST 的測試結果。

資金是目前的主要未決事項。API 在一個月試用期內免費，這使得免費期間的結束時間落在九月下旬左右，而且尚未公布付費牌價——因此過了那個時間點之後，要為 Fin 編列預算仍然只能靠猜測。八月時其他所有待決事項都已經有數字可依。

為何針對金融調校的 Ling 3.0 Flash 是真正明智之舉

金融方向是這次發布中最不令人意外的事，因為該系列本來就朝這個方向發展。在螞蟻集團針對 Ling 3.0 Flash 的自家模型卡評測中，該實驗室報告在 τ3-Bench Banking 上取得 27%——在 flash 級開放模型中僅次於 DeepSeek V4 Flash——並在 GDPVal v2-AA 上以約 1,107 的成績拿下最高的端到端 Elo。這些是廠商在通用模型上報告的數字；而專業模型的存在正是為了把這些數字進一步推高。螞蟻集團在支付寶、支付、風控與投資產品中運行 AI，因此一款針對金融調校的執行模型，正是該系列對外宣稱的「規劃-執行分離」策略，應用在公司真正賺錢的垂直領域。

上方這張螢幕截圖，是這個家族在八月的獨立參考基準樣貌：Artificial Analysis 在舊版 Intelligence Index 上顯示 Ling 3.0 Flash 為 38。那個數字如今已經過時，而在你拿它跟任何東西比較之前，值得先了解背後的原因。Artificial Analysis 在修訂指數時會重新為模型評分，而目前 v4.3 版本將 Ling 3.0 Flash 評為 21，對比中位數 8。38 這個數字無法與 v4.3 的數字相比——包括 Fin 的數字在內。

v4.3 所揭示的內容，比單純的降級更有意思。Ling 3.0 Flash Fin 在該指數上得分 23——高於它自身所屬的通用型母模型 21 分，且僅次於 Ling 3.0 Flash VL 的 25 分。在財務與會計指數上，Fin 和 VL 變體以 24 分並列。Artificial Analysis 也將 Fin 放在智慧指數對比活躍參數的帕雷托前沿上：它與 MiniMax-M2.7 同獲 23 分，但每個 token 僅啟用 5.1B 參數，而該模型為 10B。這層細微差異也有相反的一面——兩款 Ling 模型都位於總參數前沿之下，而在那裡 Qwen3.8 27B（xhigh）以 27B 總參數拿下 34 分。

金融調校也並非全勝。Fin 的商業知識準確度勝過 VL 變體（17% 對 11%），但其幻覺率更差（33% 對 19%），且在代理指標上落後：在 AutomationBench-AA 上為 7% 對 16%，在 GDPval-AA v2 上為 1,171 Elo 對 1,225，而兩者在 Terminal-Bench v4.0 上均為 0%。它在每個 Intelligence Index 任務上還花費約 67,000 個輸出 token，比 VL 多約 34%。這是一個模型被強力指向文書繁重的金融工作、而非一般代理執行任務的特徵——這與 Ant 對它的宣稱相近，且比「更擅長金融」聽起來的範圍更窄。

免費試用加上開放權重 — 這價值何在

一個月的免費 API 試用，再加上以 MIT 授權的權重，實質上比這個模型最初那種免費卻沒有權重可下載的一週要好得多。機會有兩方面：在 API 上以零 token 成本，用你自己的多步驟投資任務來檢驗這套金融微調；或者下載 BF16 檢查點，自己執行——並微調——它。需要謹慎的範圍比以往更窄，但並未消失。一份獨立評估是真正的訊號，而非生產環境的保證，而它顯示的是一種專業化取向：以幻覺控制與代理式執行方面的一些代價，換取有文件依據的準確度。在把資金導向它之前，先拿你自己的任務跑一遍。

這正是路由層存在的意義。透過一個能串接 200+ 模型的 API，你可以把 Ling 3.0 Flash Fin 放上測試路徑，並在它表現不如預期或免費方案觸發速率限制時，自動切換到一個經過驗證的通用模型——流量轉移完全不必更動應用程式碼。當試用期結束、牌價正式公布時，一個以 0% 加成轉傳供應商價格的路由器，當天就能反映新價格，讓你的成本模型無需重新議價即可更新。試用專家模型，保留安全網，並用數據而非廠商說詞來做決定。

誰應該將它載入？

金融與代理團隊若正在建構投資分析、研究或長期決策工作流程，就是顯而易見的目標受眾，而他們分成兩派：一派想在免費窗口關閉前，零成本託管試用金融調校版本；另一派想自行託管或微調，對他們而言開放權重才是重點。Artificial Analysis 的剖析讓這種契合更加清晰——如果你的工作負載是長篇申報文件、多來源核對與附來源的研究，Fin 的分數正是為你而設；如果是嚴格 token 預算下的代理式工具使用，VL 變體與通用型母模型看起來都更強。

如果你需要強制 JSON 輸出（該端點不支援 response_format）、需要價格已知的付費、生產級 API，或身處受監管的環境，而單憑供應商說明文件或單一第三方指標都不足以作為證據，那就跳過它。八月時成立的那個開放權重異議如今已不再成立——MIT 授權的檢查點已在 Hugging Face 上。對於該系列中文件最完整的成員，Ling 3.0 Flash 仍是較安全的預設選擇。

看什麼

八月的觀察清單共有四個項目，如今已完成三項。已結案的有：官方公告（8月28日）、權重釋出（9月3日，MIT），以及首份獨立評測（9月16日，Artificial Analysis）。仍待處理的項目，依重要性排序：由與 Ant 無利害關係的第三方對 FinFIRST 進行測試，這將在中立環境下檢驗該供應商自家的基準測試；付費定價，這會讓試用期的成本計算變成預算問題；以及 Fin 專屬在 vLLM 或 SGLang 上的正式環境推論服務數據，這是該規格卡在架構上所承諾的，但至今無人發表。

誠實的現況是：Ling 3.0 Flash Fin 問世二十天，以 MIT 授權開放權重，在 API 上免費約再十天，如今至少已被獨立評分一次。它在九月不再是黑箱——權重可供下載，FinFIRST 為業界提供共同衡量標準，而 Artificial Analysis 給出數字的是這個模型本身，而非它的主幹。今天真正確定的是：市場上迭代最快的開放權重家族中，一個金融微調成員既可免費呼叫、也可免費運行，而首個外部評測指出，這種專業化確有其事，但範圍狹窄。首個第三方 FinFIRST 分數與付費價格，將把這一切從一次有趣的發布，變成一個決策。