Ling 3.0 Flash Fin 是蚂蚁百灵 8 月 28 日发布的金融增强模型，基于 Ling 3.0 Flash 做领域强化。
两者架构一致：124B 总参数、5.1B 激活参数、256K 上下文。Fin 版本额外做了金融语料持续预训练和领域后训练，重点处理年报、财务工作簿、研究报告这类内容。
蚂蚁还和中金公司一起做了 FinFIRST 金融搜索评测，50 多位金融专业人士参与设计。按官方结果，Ling 3.0 Flash Fin 在这套测试里的综合成绩超过了一些更大的旗舰模型。
模型支持函数调用，单次输出上限约 32K Token。
但先别急着吹。权重还没开源，独立第三方评测也还没有。 现在能看到的能力数据，主要还是官方自己给出的结果。
| 套餐 | 价格 | 说明 |
|---|---|---|
| OpenRouter API（限时免费） | 免费 | 免费期一个月，适合先做验证和测试 |
| 自托管（计划开源） | 模型免费，仅承担硬件和运维成本 | 权重开放后可自行部署 |
蚂蚁官方表示，Ling 3.0 Flash Fin 会在 OpenRouter 上向金融从业者和开发者提供一个月免费调用。
多个平台现在也显示输入、输出都是 0 美元。
免费期结束后怎么收费，还没公布。
可以参考母版 Ling 3.0 Flash：输入大约 0.075 美元 / 百万 Token，输出约 0.22 美元 / 百万 Token。
蚂蚁给它定了四个方向：
看着像套话，但做投研的人应该能认出来，这几件事就是自己每天都在干的。
FinFIRST 也不是只考“金融知识记得多少”。
它会看答案准不准、数据全不全、计算口径是否合理，还要求关键数据和结论能追溯到原始资料。
按官方结果，Ling 3.0 Flash Fin 比较擅长优先找官方、一手和高可信来源。
做投研最怕的不是模型说得不流畅，而是数字看着挺像那么回事，最后却找不到出处。
Ling 3.0 Flash Fin 也测了 Finance Agent、APEX-Agents、SpreadsheetBench、τ³-Banking 这些金融 Agent 基准。
这些测试和普通问答不是一回事。
问“什么是自由现金流”，答对就结束了。
真实金融工作流往往是先找数据，再整理表格，接着计算，发现口径不对还得回头查，最后再写成报告。
步骤一多，模型很容易在中间跑偏。
Fin 这次强化的，就是这种长链路任务。
所以如果只是拿它问几个金融知识点，确实有点浪费。
在 AA Intelligence Index v4.1.1 上，模型得分从 38 提升到 41。
至少从这项测试看，金融专项训练没有把通用推理、编程和数学能力丢掉。
这点很重要。
真实的金融分析很少只靠“懂金融”。
你可能要读财报、写 Python 处理数据、做计算，最后还得把逻辑写清楚。
如果模型一做领域强化就严重偏科，反而不太好用。
Ling 3.0 Flash Fin 支持切换推理模式。
复杂任务时打开，让模型多走几步；简单问题就关掉，省 Token，也少一点延迟。
放到金融分析里很好理解。
读财报、做估值，需要多想几步。
如果只是抽个字段、查个基础信息，就没必要每次都走完整推理。
同一个模型里能切换，比为了不同任务来回换模型省事。
两者底子一样：
Ling 3.0 Flash 是通用模型，Fin 则是在它上面继续做金融领域训练。
所以变化不是模型变大，而是模型更“偏金融”。
一个适合通用执行，一个明显冲着年报、投研、估值和金融 Agent 去。
但这里也有现实问题。
Ling 3.0 Flash 已经能让外部开发者自己部署和验证，Fin 现在还不行。
权重正式开放、第三方评测出来之前，官方分数可以看，但别全信。
| 模型 | 上下文 | 定价 | API | 发布 | 全球热度 |
|---|---|---|---|---|---|
|
Ling 3.0 Flash Fin (free)
|
262K | 免费 | YES | 2026-08 | — |
| 262K | $0.075 / $0.625 per 1M | YES | 2026-05 |
51/100
|
|
| 262K | $0.010 / $0.030 per 1M | YES | 2026-04 |
39/100
|
评论（0）