財務模型最怕的不是回答慢，而是把沒有來源的數字寫進報告。Ling-3.0-flash-Fin 的定位，是把長文處理與工具調用能力往金融研究與試算表工作推近。
這是一個金融增強版 MoE 模型
Ling 3.0 Flash Fin（亦稱 Ling-3.0-flash-Fin）是 InclusionAI（螞蟻集團 AGI 團隊）發布的金融領域專用模型，於 2026 年 8 月底推出。該模型以 Ling 3.0 Flash 為基礎進行金融領域強化，專為真實世界投資工作流、金融資訊檢索、研究整理、估值建模、報告準備以及長篇研究資料與複雜工作簿分析所設計。
在架構規格上，模型總參數約為 124B（Hugging Face 標籤頁記為 127B），單次前向傳播每個 token 僅激活 5.1B 活躍參數，屬於高效率的稀疏混合專家（Sparse MoE）架構。它在保有邏輯推理、程式碼與數學通用能力的同時，強化了多步驟長天期規劃與 Agent 執行能力。
規模、長上下文與 API 入口
5.1B 活躍參數代表每一次運算算力負擔極低，但 124B 的總權重規模代表部署時仍需考量完整的記憶體與顯存配置（Hugging Face 亦提供 FP8 與 INT4 量化版本）。
在推理能力與服務介面方面：
- 超長上下文視窗：支援原生 262,144 tokens（262K）上下文長度，單次最大輸出長度可達 32,768 completion tokens。
- 工具調用（Tool Calling）：原生支援符合 OpenAI 格式的
tools與tool_choice函數呼叫功能。 - 部署與 API：目前在 OpenRouter 模型頁提供免費推理端點（由 NovitaAI 代管，Slug 為
inclusionai/ling-3.0-flash-fin:free）。模型權重、數據集（如 FinFIRST、FinixDocBench）與程式碼可透過 InclusionAI 的 Hugging Face 組織頁與 Ling GitHub 官方倉庫追蹤。
免費端點適合用於雛形開發與測試，但速率受限且不保證固定 SLA；生產環境亦有付費端點可供選擇。
建議的金融工作流
金融資料同時具備長文本、表格化與時間敏感的特性。不要只問模型「這家公司值多少」，建議要求模型依序輸出：
- 使用的資料欄位、期間與來源位置。
- 營收、毛利率、自由現金流的計算公式。
- 原始資料、模型推導與尚未驗證的假設。
- 缺少的欄位；資料不足時嚴禁自行補值。
- 通過檢查後的研究摘要。
精確的數值計算應交給程式碼或試算表引擎，模型則負責整理欄位關係、檢查異常與撰寫說明。測試時應紀錄引用正確率、計算正確率、拒答品質和資料日期，尤其要留意看似合理卻無法追溯的回答。
適合誰？
它適合研究團隊做文件檢索、金融問答、投資備忘錄草稿、試算表解讀與內部 Agent 雛形；不適合將免費 API 當成自動交易系統核心、直接讓模型發送下單指令，或把缺乏來源追溯的估值數字直接送進客戶報告。上傳客戶工作簿前，務必確認服務商的資料保存與隱私政策。
