刚刚！蚂蚁推出首个金融推理大模型，登顶权威金融测评，超越OpenAI o1、DeepSeek-R1

智东西
作者 王涵
编辑 漠影

智东西7月28日报道，今天上午，蚂蚁数科正式发布蚂蚁数科金融推理大模型Agentar-Fin-R1 。该模型基于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。

Agentar-Fin-R1包括32B和8B参数两个版本，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。此外，蚂蚁数科还推出基于百灵大模型的MoE（混合专家）架构模型，获得更优推理速度。

同时，蚂蚁数科还开源了大模型金融应用评测基准Finova以及Agentar-Deepfinance-100K金融领域训练数据集。

一、蚂蚁数科用3个特点登顶权威榜单，超越同类金融大模型

蚂蚁数科首席技术官王维介绍，Agentar-Fin-R1 主要有“可靠、可控、可优化”的三大特点：

首先是“可靠”，王维认为，行业大模型需要构建系统化专业化的金融任务体系。

为此，Agentar-Fin-R1打造了6大类66小类的金融任务体系，覆盖银行、证券、保险、基金、信托等金融全场景。围绕这一体系，通过可信的数据合成和长思维链的精标链路，从场景数据出发，蚂蚁数科构建了100K的大规模训练集。

基于任务体系和大规模数据训练集，Agentar-Fin-R1在激活能力上和Qwen和DeepSeek等通用大模型旗鼓相当。在金融推理能力上，该模型在FinEval 1.0、FinancelQ以及Finova等金融榜单中，超越超越DeepSeek-R1等同尺寸开源通用大模型以及金融大模型。

在“可控”方面，王维介绍，在训练金融大模型的过程中，该模型以金融任务体系为靶点，结合主动学习的实践，通过自动识别模型的薄弱项，可以有针对的合成数据、动态调节，在提升训练效率的前提下，避免了大规模的遗忘。

Agentar-Fin-R1仅用不到一半的数据达成了更优的模型能力，在多任务的均衡训练中，该模型能够极大地降低微调阶段需要的数据和算力，实现较高的迁移效率。

此外，Agentar-Fin-R1还将不断进化。蚂蚁数科首席技术官王维认为，行业模型应该建立高频的敏捷的迭代机制，让模型能够持续发现模型的问题和缺陷，进行快速修复。

这背后需要两个方面的努力，一是密切关注实际数据，定位模型表现；另一方面就是紧密追踪金融动态，市场调整以及产业机构和产品的变化。

最终，蚂蚁数科将通过训练和评测联动以及高效生成的训练数据，驱动模型进化，使Agentar-Fin-R1更加贴合金融业务需要。

二、全面开源金融基准测试集，联合五大机构发布

除此之外，蚂蚁数科还联合中国工商银行、宁波银行、北京前沿金融监管科技研究院、上海人工智能行业协会等机构，推出大模型金融应用评测基准Finova。

Finova是针对复杂推理任务和金融智能体任务的评测任务集，涵盖意图识别、工具调用和结构化表现等金融行业全方位测评的各个环节。

据介绍，蚂蚁数科还首创了高复杂度的金融推理问题库，该数据库来源于蚂蚁积累的多年的真实业务数据，经过5000万道问题和人工筛选，再配合长思维链的精标链路，形成了一套全面评估真实业务能力的评测集。

此外，蚂蚁数科还将Agentar-Deepfinance-100K大规模金融领域训练数据集全面开源。

结语：金融与AI深度融合，步入“垂直专用”深水区

蚂蚁数科CEO赵闻彪说到，AI智能体产业价值释放的关键在于“水平通用”向“垂直专用”的战略转变。

此次Agentar-Fin-R1的推出，以及Finova评测基准和Agentar-Deepfinance-100K数据集的开源，正是这一转变在金融领域的具体实践。

随着人工智能技术的不断发展，金融机构对大模型的需求日益精细化，从最初在客服、办公等场景的浅层次应用，逐步深入到风控、财富管理、信贷审批等核心业务流程。

然而，在实际推广和应用过程中，如何确保模型在不同金融机构的业务环境中稳定运行，如何平衡模型性能与数据安全保护之间的关系等等挑战，依旧需要AI企业与金融机构共同解决。