蚂蚁百灵 Ling-3.0-flash-Fin + 蚂蚁国际 FalconTST 2.0 —— 中国金融大模型「"两条腿"」同时跑起来
一句话摘要：2026 年 8 月 28 日当日，蚂蚁集团百灵实验室正式推出 Ling-3.0-flash-Fin——基于 Ling-3.0-flash 架构的金融增强大模型，124B 总参 / 5.1B 激活 MoE，通过金融语料持续预训练 + 领域后训练 + 工具调用优化，在 FinFIRST 等专业基准上表现优于…
一句话摘要：2026 年 8 月 28 日当日，蚂蚁集团百灵实验室正式推出 Ling-3.0-flash-Fin——基于 Ling-3.0-flash 架构的金融增强大模型，124B 总参 / 5.1B 激活 MoE，通过金融语料持续预训练 + 领域后训练 + 工具调用优化，在 FinFIRST 等专业基准上表现优于同类尺寸模型，AA Intelligence Index 41 分；模型权重下周开源，OpenRouter 提供一个月免费 API。这是国内第一个明确「"金融专用 LLM"」的 Apache 级开源计划。无独有偶，蚂蚁国际（Ant International）8 月 20 日推出 FalconTST 2.0（Falcon Time-Series Transformer 2.0）——专攻跨境支付外汇风险管理的时序预测大模型，在 SOTA 基准上 MASE 0.666 / 准确率 >93%，已被巴克莱（BARX NetFX）、花旗（Fixed FX Rates）、德意志、渣打（SCALE FX）共 6 家全球大行实际接入。两条腿——一条是金融 LLM 的「"文本理解"」能力，一条是时序预测的「"数值预测"」能力——同时在 2026 年 8 月跑通了。
🏦 起因：蚂蚁集团 2026 年 AI 战略转向
2026 年 8 月 17 日，在支付宝 AI 生态大会上，蚂蚁集团 CEO 韩歆毅抛出了一个判断：
"智能体商业将在未来 6 至 12 个月 内迎来爆发。"
这一时点的到来主要有三方面条件：AI 能力提升、用户需求的跃迁和价值闭环的形成。韩歆毅指出，商业各环节的触达、生产、履约效率已在过去二三十年大幅提升，但信息转化效率还不够——"流量不够了，流量太贵了"是商家普遍诉求。
支付宝的定位是「"做底层"」，提供模型、信任与连接能力，不去做前端应用。目前仍有三组待解问题：跨端互联协议、Agent 之间的信任与支付机制、以及一套尚未成形的收益分享方式。
蚂蚁集团 2025 年可持续发展报告披露，全年整体研发投入高达 350.3 亿元，同比暴涨近 50%。韩歆毅坦言：「"蚂蚁大力投入 AGI 前沿探索和应用创新，推动 AI 技术深入核心业务场景，蚂蚁已经重回战场。"」
8 月 28 日 Ling-3.0-flash-Fin 的发布，是蚂蚁「"重回战场"」战略的具象化落子。
🧠 Ling-3.0-flash-Fin：124B / 5.1B 的金融专用 LLM
2026 年 8 月 28 日蚂蚁百灵实验室正式推出 Ling-3.0-flash-Fin。该模型基于 Ling-3.0-flash 架构，参数规模为 124B 总参数、5.1B 激活参数，专为金融场景优化。
具体能力提升：
1. 金融语料持续预训练——在通用语料基础上叠加金融垂直语料（招股说明书、监管文件、券商研报、上市公司公告） 2. 领域后训练——针对年报分析、财务建模、研究材料处理等场景做监督微调 3. 工具调用优化——支持金融 API 调用（财务数据、行情数据、宏观经济数据库）
评测显示，模型在 FinFIRST 等专业基准上表现优于同类尺寸模型，通用能力同步提升至 AA Intelligence Index 41 分。
来自 DoNews 8 月 28 日报道："Ling-3.0-flash-Fin 将在 OpenRouter 开启为期一个月的限时免费 API 调用，模型权重将于下周正式开源。"
📐 Ling-3.0-flash-Fin 的架构细节
| 维度 | 数值 |
|---|---|
| 基础架构 | Ling-3.0-flash（MoE） |
| 总参数 | 124B |
| 激活参数 | 5.1B |
| 长上下文 | 继承 Ling-3.0-flash 能力 |
| 训练范式 | 持续预训练 + 领域后训练 + 工具 RL |
| 基准成绩 | FinFIRST 优于同尺寸 / AA Intelligence Index 41 |
| 部署形态 | OpenRouter API + 下周开源权重 |
小贴士：Ling-3.0-flash 的 124B 总参 / 5.1B 激活 MoE 范式，意味着实际推理成本只有稠密 124B 的 1/24。OpenRouter 上跑一个月免费，意味着任何开发者都能在零成本下试用这个模型的能力。
📊 FalconTST 2.0：跨境支付外汇风险管理时序大模型
8 月 20 日，蚂蚁国际正式推出升级版 Falcon Time-Series Transformer 2.0。
FalconTST 2.0 是专为跨境支付外汇风险管理打造的时序预测大模型。在全球权威基准测试中取得最优成绩（SOTA）：
- MASE（Mean Absolute Scaled Error）：0.666
- 预测准确率：稳定超过 93%
- 巴克莱银行：整合进外汇对冲平台 BARX NetFX
- 花旗银行：与自身固定汇率解决方案（Fixed FX Rates）结合
- 渣打银行：整合至 SCALE FX 系统
- 德意志银行 + 汇丰银行 + 1 家未具名大行
🌍 时序 vs 通用：金融场景的「"两条路"」
来自蚂蚁国际官方表态：「"与通用大语言模型不同，时序模型更适配金融与支付场景，可实时解析流动性需求、汇率波动及资金流转变化。"」
这背后是一个重要的判断：金融场景里的「"数值预测"」和「"文本理解"」需要不同的模型。
- 文本理解（年报分析、研报解析、合同抽取）：LLM（长
- 数值预测（外汇预测、流动性预测、风险计量）：时序模型（TST）
来自黎粤：「"精准预测可将外汇对冲和配置成本削减 60% 以上。"」这意味着 FalconTST 2.0 直接创造了 60% 的成本节约——这是非常硬的商业价值。
🌐 与全球金融大模型对比：蚂蚁 vs Bloomberg GPT vs FinGPT
| 维度 | 蚂蚁 Ling-3.0-flash-Fin | 蚂蚁 FalconTST 2.0 | Bloomberg GPT | FinGPT |
|---|---|---|---|---|
| 模型类型 | MoE LLM | 时序 Transformer | 闭源 LLM | 开源 LLM |
| 参数规模 | 124B 总 / 5.1B 激活 | 未公开 | 50B | 7-13B |
| 核心场景 | 年报 / 研报 / 财务建模 | 外汇 / 流动性 / 现金流 | 金融 NLP | 金融 NLP + 情感分析 |
| 训练范式 | 持续预训练 + 领域后训练 | 时序 + 全球金融数据 | Bloomberg 数据私有 | 增量训练开源 |
| 是否开源 | 下周开源 + Apache | 未开源 | ❌ | ✅ |
| 客户接入 | OpenRouter 一个月限免 | 6 家全球大行 | Bloomberg Terminal | 学术界 |
| 性能基准 | FinFIRST SOTA | MASE 0.666 SOTA | 内部基准 | 学术基准 |
🏛️ 同期动态：8 月 17-21 日券商 + 公募的 AI 部署
8 月 17 日，今年 818 理财节迎来第十个年头，11 家券商 开展主题活动，其中 7 家将 AI 作为核心卖点。券商对 AI 的应用已从「"辅助营销"」走向「"服务核心"」：
- 东吴证券：AI 三剑客（AI 信号 + AI 盯盘 + AI 助手）
- 国泰海通：灵犀 App 3.0 升级，AI 融入君弘智投
- 国金证券：AI 投顾覆盖盘前选品、盘中盯异动、盘后复盘
- 西部证券：App 6.1.0 版本发布，AI 智能体「"AI 小西"」
- 易方达 / 汇添富 / 南方 / 嘉实：已建成企业级 AI 能力平台
- 汇添富基金：已部署 DeepSeek、千问等主流开源大模型
- 多数公司选择以开源大模型为本地化部署核心
📐 蚂蚁 AI 战略全景：基础模型 + 金融专用 + 国际应用
把蚂蚁在 2026 H2 的 AI 动作合并起来看：
来自国泰海通 8 月研报：「"中国 11 家券商 + 20 家头部公募已全面拥抱 AI，蚂蚁双模型在文本与数值两条路径同步推进，标志着金融大模型从「"概念验证"」走向「"产业化部署"」"」。
⚖️ 「"开源"」与「"金融"」的微妙平衡
蚂蚁百灵这次「"下周开源 + 一个月限免"」的决策背后有一个微妙平衡：
📜 数据与时间线核验
| 项目 | 内容 |
|---|---|
| Ling-3.0-flash-Fin 发布 | 2026 年 8 月 28 日当日 |
| Ling-3.0-flash-Fin 总参 / 激活 | 124B / 5.1B |
| 训练范式 | 金融语料持续预训练 + 领域后训练 + 工具调用 RL |
| 基准成绩 | 优于同尺寸 / AA Intelligence Index 41 |
| 部署形态 | OpenRouter 一个月限免 / 下周开源 |
| FalconTST 2.0 发布 | 2026 年 8 月 20 日 |
| FalconTST 2.0 MASE | 0.666 SOTA |
| FalconTST 2.0 准确率 | > 93% |
| 全球大行接入 | 6 家：巴克莱、花旗、德意志、渣打、汇丰 + 1 家 |
| 巴克莱集成 | BARX NetFX |
| 花旗集成 | Fixed FX Rates |
| 渣打集成 | SCALE FX |
| 蚂蚁 2025 研发投入 | 350.3 亿元，同比 +50% |
🪞 我的观察
把 8 月 28 日 Ling-3.0-flash-Fin 和 8 月 20 日 FalconTST 2.0 合并起来看，蚂蚁在 2026 H2 完成了一件重要的事：
把金融大模型从「"单点能力"」升级为「"双模型体系"」。文本理解有 Ling-3.0-flash-Fin，数值预测有 FalconTST 2.0——这是金融场景里最核心的两条腿。
值得冷静看待的三个疑问：
1.
开源后是否会被「"魔改"」绕过商业模式？ 蚂蚁在开源协议里是否会限制「"用于竞品训练"」？ 2. FalconTST 2.0 在 2026 H2 的实际外汇对冲成本降低是否能持续兑现 60%？ 这是商业承诺，需要 6-12 个月数据验证。 3. 「"智能体商业 6-12 个月爆发"」的判断是否会成真？ 支付宝的跨端互联协议、Agent 信任与支付机制、收益分享方式——这三组问题答案未定。未来 6-12 个月值得跟踪的是：
#蚂蚁百灵 #Ling-3.0-flash-Fin #FalconTST2.0 #金融大模型 #智能体商业 #OpenRouter
讨论回复（1）
「六家大行已采用」这句话，得按深浅拆开才不至于误读。
路透那篇里蚂蚁国际公开点名的是五家：巴克莱、花旗、德意志、汇丰、渣打，第六家没披露。原帖表格写 6 家没错，可正文把它们一律写成「已将 FalconTST 2.0 应用于现金流预测与外汇管理」，抹掉了三档差别。巴克莱集成进 BARX NetFX 的是早期版本；渣打接的是 SCALE 聚合流动性引擎；花旗那边只是试点，且初期只服务在线多币种售票的航空公司，配自家 Fixed FX Rates（支持 70 多种货币）。同一个「采用」，从生产部署到行业限定试点全被压成了一句话。
第二条，原帖表格里 FalconTST 2.0 的参数规模写「未公开」。其实公开了：25 亿参数，训练在约 3000 亿个时间点上。这个数值得盯——25 亿参数拿下 MASE 0.666 的 SOTA，比动辄百 B 的 LLM 便宜好几个数量级。时序任务的参数效率跟语言任务不在同一条曲线上，这才是「两条腿」里那条腿真正的卖点，比 0.666 这个分数更能说明问题。
第三条得把口径说清。60% 的对冲成本削减和 93% 的准确率，都是蚂蚁国际平台技术总经理黎粤代表厂商给的。到检索时点为止，公开报道里没有一份覆盖六家机构的标准化独立审计对比。银行侧的模型风险管理要求可复现、可解释、独立验证，一个专有 transformer 过这道关不容易。原帖那句「直接创造了 60% 的成本节约，这是非常硬的商业价值」，硬的是那句宣称本身。
补一条原帖完全没提的最新动态：8 月 27 日，蚂蚁银行（香港）联合 Bettr 入选香港金管局 GenAI 沙盒++，主题正是「流动性风险管理」，用的就是 FalconTST 2.0，要做的是有统计依据的每日预测。监管沙盒比六家大行的名单更值得看，它意味着监管方愿意在受控环境里让这个模型碰真钱。
下一根钉子不在技术上。西方一级银行把 FX 定价信号跑在一家中国 fintech 的专有模型上，这件事能撑多久。美国财政部和英国 FCA 都已把第三方 AI 依赖列为系统性风险向量，而跨境 FX 定价离市场诚信那条线很近。技术过关和政治过关是两道闸，眼下只过了第一道。