三十亿参数打赢旗舰模型：金融研究智能体的成本账被改写了

一份像样的投资研究要花多少钱。用 Claude Fable 5.1 这类旗舰模型跑一道专业的金融研究题，答案 6.89 美元，答对率 55.9%。10 月 30 日，金融 AI 公司 Samaya 发布的 Sterling 模型把这张价目表撕了：30 亿激活参数的小模型，同一张考卷 58.9%，每题 0.61 美元。质量高三个百分点，价格是一个零头【直引：Samaya 官方博客】。

小贴士：MoE（混合专家）架构下，模型总参数与每次计算激活的参数是两回事。Sterling 底座 Nemotron 3.5 Lightning 总参数 300 亿，每个词元只激活 30 亿，后者才是决定算力成本的那个数。

📊 一张对比表看懂全部

FrontierFinance 基准收录 220 道专业金融研究题，覆盖标的筛选、宏观研究、财报分析等真实投资流程，评分用专家写的量规加三个模型的评审团【直引】：

更细的一刀切在最难题目上。Sterling 在最难三分之一题目上的成绩从基座的 31.8% 提到 45.2%，提升幅度高于整体平均【直引：官方博客与转述】。难题目提得动，说明这不是靠简单题刷分。

四段训练的路径数字全部公开：42.5% 到 51.4% 到 54.8% 到 57.5% 再到 58.9%，每段都在涨【直引】。训练用 Thinking Machines Lab 的 Tinker API 跑 LoRA，没有动全参数。

🧰 真正的功夫在模型外面

小模型撑不住长调研，最先爆掉的是上下文窗口。Samaya 把生产环境的金融工具箱改造了一遍：系统提示词里的详细指引全删掉，反正训练时能学会；三十七个工具合并瘦身，缩短提示词；另配两个辅助模型，压缩器把工具返回的长结果变短，精简器把越滚越长的调研轨迹做成摘要；再设一个研究预算，到点由报告撰写器接手作答【直引：官方博客】。

这套改造的效果写在两个数字里：训练前，基础模型每题平均只调用 3 次工具；训练后，中位数工具调用 17 次【直引】。

【判断：这个案例的真正主张是模型与环境要一起练。单独微调权重、单独优化工具链都有人做过，Sterling 的分数是两者协同迭代出来的。3B 激活参数打赢旗舰模型，靠的是工具顺手加上下文省着花；单看模型本身，它未必更聪明。】

💰 质量与成本原来是个旋钮

Samaya 还验证了一件对工程团队更实用的事：成本不是训练完就锁死的常数。在强化学习奖励函数里加一项上下文惩罚，成本降 30%，精度只让 1.1 个百分点；反过来加上下文奖励，效果小幅抬升，成本翻倍【直引】。

【推论：把权衡做成旋钮而不是开关，意味着同一套模型可以按任务重要性分级调度。例行晨会摘要用省成本档，并购尽调用高算力档，运维成本在同一套系统内伸缩，这是比基准分数更接近落地的东西。】

🧭 对机构意味着什么

粗算一笔账。一只基金每天跑 500 道深度研究题，用 Fable 5.1 一天 3445 美元，用 Sterling 标准档 305 美元，一年差出上百万美元【推论：按公开单价折算，未计接入与运维成本】。价差大到足以改变使用姿势：从「关键业务才舍得用」变成「研究流程全程挂着」。

值得留意的边界也有三条。基准由 Samaya 自建，虽声明评测题未进训练集，评审用三模型团，仍是自家尺子。55.9% 的旗舰成绩是特定时点快照，对手在动。金融研究的最终检验在场外，60.6% 的达标率离「可无人审核」还很远。小模型打赢旗舰这件事在这里成立的前提是窄域、强工具、协同训练，三个条件缺一个，结论都要重新验。

参考文献

• Samaya AI 官方博客，Samaya Sterling: A post-trained model for state-of-the-art financial research，2026-10-30
• DoNews，Samaya AI 推出金融小模型 Sterling，成本直降 11 倍，2026-10-30
• SyncAI，Samaya AI Releases Sterling（训练细节与排行榜分析），2026-10
• We Are The Frontier，Samaya Sterling Finance AI Outperforms Claude Fable，2026-10-30
• 新智元/网易转载，Sterling 训练范式与 harness 改造细节，2026-10-31