该模型瞄准真实投研工作流，覆盖信息检索、研究推理、估值建模、研报撰写等环节，并同步开放金融搜索Agent评测基准FinFIRST。
AI解读：模型基于Ling-3.0-flash打造，总参数 124B、激活参数 5.1B，支持 256K长上下文，能处理长年报和多份研究材料。目前它重点切入投资研究场景，强化信息检索、研究推理、估值建模和研报撰写四项能力，目标是让AI生成的结果能直接进入专业人员的原有工作流程。
这次它还同步开源了金融搜索Agent评测基准FinFIRST，由中金公司投行团队提供专业支持、50 余位金融专业人士参与设计。评测题覆盖多个市场，中文题占 60.2%，61.8% 的题要求显式计算，75.6% 不直接给信源，让Agent自己搜。这套基准的价值在于，它能检验一个金融AI是否说出了信息的来源、统计口径和推导过程——这正是金融从业者最看重的东西。
对基金公司、券商研究所或独立研究者来说，这类模型可能降低前期信息搜集和整理的耗时，但估值建模和研报结论仍需要专业人士复核。模型目前只从投研场景切入，蚂蚁百灵称未来会拓展到更多金融业务场景，但尚未公开具体的扩展时间表。
蚂蚁集团百灵于 2026 年 9 月 9 日发布首个金融增强开放模型Ling-3.0-flash-Fin，模型已开源，并同步开放金融搜索Agent评测基准FinFIRST。据蚂蚁介绍，这是百灵首次推出金融增强模型，传统金融大模型多解决问答、摘要等单点任务，而Ling-3.0-flash-Fin瞄准真实金融工作流，尝试让AI从“回答一个问题”走向“完成一项工作”。
模型配置与能力
Ling-3.0-flash-Fin基于Ling-3.0-flash打造，延续 124B总参数、5.1B激活参数的配置，并具备 256K长上下文能力。模型通过金融语料持续预训练、领域后训练和工具使用优化，强化对年报、财务工作簿、多份研究材料等复杂内容的处理能力。
模型目前重点切入投资研究场景，覆盖信息检索、研究推理、估值建模、研报撰写等环节。信息检索优先定位官方、一手及高可信数据源，关注信息时点和统计口径；研究推理通过多步计算和交叉验证厘清事实与假设；估值建模支持公式切换、跨表依赖和异常排查；研报撰写则组织事实、数据和判断，生成可编辑、可审核的研究材料。
评测基准FinFIRST与测试表现
与模型同步开源的FinFIRST（Financial Information Retrieval, Sourcing and Traceability）由蚂蚁集团构建，中金公司投行团队提供专业支持，50 余位金融专业人士参与设计。它重点评测金融搜索Agent在信息检索、信源选择、口径判断和推导过程等方面的能力，试图回答三个问题：信息从哪里来、口径是什么、结论如何得出。
FinFIRST覆盖中国内地、美国、中国香港及其他市场，中文题占 60.2%，英文题占 39.8%；超过五分之四的题目包含多个相关子问题，61.8% 要求显式计算，32.5% 需要多个信源，75.6% 不直接指定信源。所有题目均使用公开可访问的信源。
据蚂蚁介绍，Ling-3.0-flash-Fin已在FinFIRST、FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking等多个金融智能体基准上测试，覆盖金融信息检索、投资研究、长程任务执行、估值建模和银行业务等场景，综合表现超过部分大尺寸旗舰模型，在同尺寸模型中具备较强竞争力。
开放情况与后续计划
Ling-3.0-flash-Fin目前开放模型权重，并面向开发者提供API体验；FinFIRST也同步开放。蚂蚁百灵表示，未来将继续探索更大规模模型底座上的金融增强，提升长链路复杂任务处理能力，并从投资研究拓展至更多金融业务场景。