螞蟻百靈推出金融增強模型 Ling-3.0-flash-Fin：API 調用限免一個月，下週開源
作者：沁滄（實習） 責編：沁滄 評論： 8 月 28 日消息，螞蟻百靈今日推出金融增強模型 Ling-3.0-flash-Fin，延續 Ling-3.0-flash 的模型架構和長上下文能力，保持 124B 總參數、5.1B 激活參數的配置。Ling-3.0-flash-Fin 模型權重將於下週正式開源。在此基礎上，模型通過金融語料持續預訓練、領域後訓練和工具使用優化，進一步強化對年報、財務工作簿、多份研究材料等複雜金融內容的處理能力，同時兼顧部署效率。官方表示，Ling-3.
0-flash-Fin 在螞蟻集團與中金公司聯合打造的 FinFIRST、以及 FinSearchComp Verified、Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 等金融智能體基準上進行了測試，覆蓋金融信息檢索、投資研究分析、金融長程任務執行、估值建模、銀行業務應用等場景。結果顯示，與多款通用模型相比，Ling-3.0-flash-Fin 在上述任務中展現出較強競爭力。金融領域能力得到強化的同時，模型在 AA Intelligence Index v4.1.
1 上的得分由 38 分提升至 41 分，實現了通用能力與專業能力的協同提升。螞蟻集團聯合中金打造了 FinFIRST（Financial Information Retrieval, Sourcing and Traceability）。該評測基準由 50 餘名金融專業人士深度參與設計，從結果、過程和證據三個層面，系統評估答案是否準確完整、研究口徑與計算是否合理，以及關鍵數據與結論能否回溯至權威原始資料。FinFIRST 將於近期開源，為金融搜索研究與評測提供可靠基準。評測結果表明，Ling-3.
0-flash-Fin 綜合得分已超過一些大尺寸旗艦模型，和同等尺寸模型相比競爭力突出，尤其是擅長優先定位官方、一手及高可信資料。面向金融從業者與開發者，Ling-3.0-flash-Fin 將在 OpenRouter 開啟為期一個月的限時免費 API 調用，方便用戶在金融研究、數據分析與應用開發等場景中快速體驗和驗證模型能力。附 OpenRouter 體驗地址：https://openrouter.ai/inclusionai/ling-3.0-flash-fin:free#providers相關閱讀：《螞蟻集團百靈開源 Ling-3.0-flash 模型：124B 總參數、5.
1B 激活參數》廣告聲明：文內含有的對外跳轉鏈接（包括不限於超鏈接、二維碼、口令等形式），用於傳遞更多信息，節省甄選時間，結果僅供參考，包含外鏈的文章均包含本聲明。投訴水文 我要糾錯 下載APP，簽到賺金幣兌豪禮 相關文章關鍵詞：螞蟻集團，百靈，金融模型，Ling3.0flashFin螞蟻百靈開源 Ling-3.0 tiny / flash Base 模型，開放訓練過程中的關鍵節點螞蟻集團 CEO 韓歆毅：智能體商業將在未來 6-12 個月爆發螞蟻百靈開源 Ling-3.
0-tiny 模型，支持英偉達 DGX Spark、蘋果 Mac mini 部署超 80% AI 相關崗位，螞蟻集團開啟 2027 年度校招螞蟻集團百靈開源 Ling-3.0-flash 模型：124B 總參數、5.1B 激活參數華為官宣昇騰 0 Day 支持螞蟻百靈 Ling-3.0-flash 模型，全新算子編程框架 CANN PyPTO 首秀
Related
相關文章
Google 開源 Harness²：遞迴代理程式框架，無需新模型也能提升效能
Google Cloud AI Research 開源了 Harness²，這是一個遞迴代理程式框架，透過改良凍結模型周圍的程式碼與檔案來增強效能。對開發者而言，重點很簡單：你的代理程式無需更強大的模型也能進步。重點摘要：規模為框架而非模型，訓練參數為0，包含8個可編輯的框架元件，版本0.1.0。執行環境為Linux、Python 3.12或3.13搭配uv，模型呼叫則透過Vertex AI。GPU需求未公開。效能方面：一次改良步驟即可在3個基準測試中，提升所有4個模型與框架組合的表現。最佳成果：GLM-5搭配OpenCode在WorkBuddy-Bench上從64.2提升至75.7（+11.5點）；最差表現：GLM-5搭配Codex在JobBench上僅提升1.2點（23.6至24.8）。什麼是Harness²？它是Google研究推出的即插即用框架。
如何利用NVIDIA結構化資料模型進行零訓練表格預測
In this tutorial, we implement Structured Data Models, NVIDIA’s new library that puts several pretrained foundation models for tables behind one PyTorch interface, and use it to make predictions without training.
認識 Kyutai REKI：2.4B VLA 模型為機器人操控帶來高效記憶
Kyutai 與 Inria 及 École des Ponts 合作，推出了 REKI——一個用於機器人操控的 2.4B 參數視覺-語言-動作模型（VLA）。該模型僅使用公開數據進行預訓練，並配備了輕量級的近期記憶功能。在三個分佈外基準測試中，僅有規模約為其兩倍的模型能超越它。所有模型權重已於今日在 Hugging Face 上公開。核心資訊：規模：2.4B 參數（2.2B Qwen3.5-2B VLM + 0.2B 流匹配動作專家）。記憶涵蓋最近 3 幀，間隔 1 秒。運行環境：在 1 張 NVIDIA H100 上進行基準測試。從兩個 256×256 攝像頭輸入，編譯後每個動作區塊耗時 21.8 毫秒。權重以 BF16 格式提供，暫無量化版本。性能：在 LIBERO-Plus 和 RoboTwin Clean2Rand 基準測試中，為公開數據預訓練的 VLA 模型中最優；在 LIBERO-Plus 上達到 90.4% 的最高分。
DeepSeek 發布 V4.1-Flash-1017，DeepSWE 得分 77.0，並開放搜尋 API
DeepSeek 剛發布 DeepSeek-V4.1-Flash-1017，這是其 V4.1-Flash 模型的新檢查點，現已在 DeepSeek 網站、應用程式及 API 上線。DeepSeek 宣稱該版本在性能、任務完成速度與輸出簡潔度上均優於 9 月發布的 V4.1-Flash，並稱之為性能與成本的帕累託改進。同時，DeepSeek 也向所有開發者開放了搜尋與擷取 API。對代理建構者而言，這意味著更便宜的編碼模型加上單一 API 金鑰即可使用的第一方網路層。重點摘要：骨架參數 552B，另加 196B 的 Engram 參數；預填充階段每 token 啟用 8B 參數，解碼階段啟用 16B 參數；上下文長度達 1M tokens，最大輸出 384K tokens。運行於 DeepSeek API 的 deepseek-flash 模型。9 月版的 V4.1-Flash 權重（763B 參數，FP8）採 MIT 授權。
2026年20款Jev替代方案：挑戰TypeSafe的決策模型
TypeSafe於2026年9月15日推出Jev，這是一款決策模型而非聊天機器人。使用者可定義允許的答案，Jev將回傳標籤、分數或是否的機率。約4週內，至少20款Jev替代方案相繼問世，來自Cloudflare、OpenAI、Perplexity、Liquid AI、AWS的Strands Labs及獨立開發者。本指南比較各方案在規模、授權、硬體、價格、Jev API相容性及已發布基準測試的表現。重點摘要：規模範圍從287M（GLiNER2.5-multi-Decide）到35B-A3B（Mapika Decider），Jev規模未公開。執行環境：Von和Laya等編碼器可在CPU上運行，4B適配器適用24 GB GPU或32 GB Mac。效能：多數開源模型在困難推理上落後Jev，但在狹窄分類任務上數款與之匹敵或超越。最佳表現：Cloudflare Clef在BANKING7取得94.20分。
長鑫科技市值兩月內跌去1萬億；阿里加碼AI硬件品牌，天貓、速賣通聯動；國行版蘋果AI有望12月上線，百度、阿里參與合作丨雷峰早報
要聞提示1.長鑫科技市值兩月內跌去1萬億2.年內已至少18次故障！DeepSeek發放宕機補償，有人拿到3000元3.阿里加碼AI硬件品牌，天貓、速賣通聯動4.國行版蘋果AI有望12月上線，百度、阿里參與合作5.可靈AI新一代模型Kling 4.