「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。