蚂蚁抢滩金融推理大模型

作者 | 柴旭晨

编辑 | 周智宇

蚂蚁酝酿多时的金融大模型，终于落地了。

7月28日，在世界人工智能大会论坛上，蚂蚁数科正式发布金融推理大模型Agentar-Fin-R1。

据了解，Agentar-Fin-R1基于Qwen3研发，在FinEval1.0、FinanceIQ等金融大模型评测基准上超越Deepseek-R1等同尺寸开源通用大模型以及金融大模型，显示其更强的金融专业性、推理能力以及安全合规能力。

眼下，大模型在金融领域的应用正如火如荼。蚂蚁数科副总裁余滨向华尔街见闻表示，现在AI的进展已经到达了重要的拐点时期，“如果金融机构抓住了，很可能给自己带来弯道超车的优势。反之很可能虚耗掉过去十年来在数字化建设时期打下的先机”。

然而在实际业务场景中，现有的大模型在解决真实金融任务时仍然存在诸多挑战，它需要高度专业的金融知识、复杂的业务逻辑推理能力以及符合严格的金融级安全合规等要求。显然，专业化的金融推理大模型是必然需求。

“通用大模型距离产业实际应用存在‘知识鸿沟’。构建专业的金融大模型是推进金融与AI深度融合的必然路径，未来，金融大模型的应用深度将成为金融机构竞争力的关键要素。”蚂蚁数科CEO赵闻飙如是说道。

蚂蚁数科金融推理大模型的核心竞争力在哪里？首先是基于更专业全面的金融数据训练体系，让模型“出厂即专家”。
蚂蚁方面指出，训练行业大模型需要对行业知识进行系统化的学习，其关键在于一个科学、专业的任务数据体系作为“课程大纲”。基于长期深耕金融业务的经验，蚂蚁数科整理并制定了覆盖银行、证券、保险、基金、信托等全场景的金融任务体系。

以该金融任务体系为框架，从千亿级交易、风控和财富等场景中积累的真实原始数据出发、经过严格的质量评估、再经过专门设计的可信数据合成和CoT数据精标链路，构建了迄今已知最专业最全面的金融领域训练数据集。

此外，通过加入原则类合成数据，确保大模型在所有任务中都遵循金融业的安全合规要求，以应对例如身份类、合规性、数据安全等问题，提升大模型的安全合规性。
经过专业体系数据集训练的金融大模型，能够达到“出厂即专家”，不仅在多个主流金融评测集上达到同尺寸最佳效果，更要考察实用能力的典型金融智能体应用中体现出更强的自然语言理解NLU、自然语言生成NLG、FC和幻觉抑制能力，确保金融决策场景的事实精确性与认知可靠性。模型还严格遵循金融监管框架与伦理准则。

此外，蚂蚁发布的金融大模型具备更高效的加权训练算法。蚂蚁方面指出，在后续业务应用中可减少二次微调的数据需求与算力消耗，降低大模型落地企业的门槛与成本。

关键的是，Agentar-Fin-R1是能自主进化的大模型，时刻保持最新、最稳。
除了使用RAG技术补充动态知识外，上述金融任务体系和金融大模型本身能持续迭代，不断吸收更新金融政策、市场动态、产品条款等关键信息，并完善金融任务体系，识别模型能力的实时缺口和潜在认知偏差，确保知识、能力和合规性始终紧跟行业变化。
据悉，Agentar-Fin-R1包括32B和8B参数两个版本。蚂蚁数科还推出基于百灵大模型的MOE架构模型，获得更优推理速度。此外，还有非推理版本的14B和72B参数大模型，以满足金融机构在多样化场景下的部署需求。

目前，蚂蚁数科累计已服务100%的国有银行和股份制银行、超60%的地方性商业银行、数百家金融机构。“在大模型时代，我们值得用AI去重塑全部的业务流程”，蚂蚁数科AI原生产品总经理王磊向华尔街见闻说道。