螞蟻數科發布金融推理大模型

7月28日，在世界人工智能大會論壇上，螞蟻數科正式發布金融推理大模型Agentar-Fin-R1，為金融AI應用打造“可靠、可控、可優化”的智能中樞。Agentar-Fin-R1基于Qwen3研發，在FinEval1.0、FinanceIQ等權威金融大模型評測基準上超越Deepseek-R1等同尺寸開源通用大模型以及金融大模型，顯示其更強的金融專業性、推理能力以及安全合規能力。

隨著金融業數智化轉型不斷提速，大模型在金融領域的應用正持續深化，然而在實際業務場景中，往往需要高度專業的金融知識、復雜的業務邏輯推理能力以及嚴格的金融級安全合規等要求，現有的大模型在解決實際金融任務時仍然存在諸多挑戰。

“通用大模型距離產業實際應用存在‘知識鴻溝’。構建專業的金融大模型是推進金融與AI深度融合的必然路徑，未來，金融大模型的應用深度將成為金融機構競爭力的關鍵要素。”螞蟻數科CEO趙聞飆在演講中表示。

據悉，螞蟻數科通過構建全面的金融任務數據體系以及模型訓練算法創新，實現模型更強的金融推理能力及可信性。評測結果顯示：相較于通用開源模型及其他金融模型，Agentar-Fin-R1在FinEval1.0、FinanceIQ兩大主流金融基準測試中均取得最高評分。并且模型在金融能力顯著增強的同時，通用能力也表現出較高水準。

在數據層面，螞蟻數科構建了業內最全面與專業的金融任務分類體系，包括6大類、66小類場景，覆蓋銀行、證券、保險、基金、信托等金融全場景。基于千億級金融專業數據語料，通過可信數據合成技術以及結合專家標注的金融長思維鏈（CoT）構造機制，顯著提升模型處理復雜任務的能力，讓大模型“天生懂金融，出廠即專家”。

在訓練層面，創新的加權訓練算法，提高大模型對復雜金融任務學習效率與性能。在后續業務應用中，可顯著減少二次微調的數據需求與算力消耗，有效降低大模型在企業落地的門檻與成本。此外，Agentar-Fin-R1還能不斷更新迭代，吸收最新的金融政策、市場動態等關鍵信息，并通過配套評測工具進行針對性優化，讓模型能力在真實業務場景中不斷進化。

據悉，Agentar-Fin-R1包括32B和8B參數兩個版本。螞蟻數科還推出基于百靈大模型的MOE架構模型，獲得更優推理速度。此外，還有非推理版本的14B和72B參數大模型，以滿足金融機構在多樣化場景下的部署需求。

為了考察大模型在實際金融場景中部署的能力，螞蟻數科還聯合中國工商銀行、寧波銀行、北京前沿金融監管科技研究院、上海人工智能行業協會等機構聯合推出Finova大模型金融應用評測基準，深度考察智能體能力、復雜推理以及安全合規能力。在Finova評測中，Agentar-Fin-R1也取得最高評分，甚至超越更大參數規模的通用模型。目前Finova已經全面開源，推動行業共同提升大模型在金融領域的應用水平。

螞蟻數科是螞蟻集團旗下獨立科技子公司，致力于以AI及Web3技術助力產業數智化升級。今年以來，螞蟻數科加速布局企業級大模型服務，并聚焦金融與新能源兩大行業場景。在金融領域，螞蟻數科此前推出金融智能體平臺Agentar，成為首批通過信通院評測的智能體平臺產品，并獲最高評級5級。螞蟻數科還聯合行業合作伙伴，推出超百個金融智能體解決方案，加速大模型在金融業規模化應用。

以上海某銀行為例，螞蟻數科助力上海某銀行打造的AI手機銀行，創新“對話即服務”模式，用戶通過自然對話即可獲取各類金融服務，推動銀行老年客戶滿意度提升顯著，月活用戶同比增長 25%。目前，螞蟻數科累計已服務100%的國有銀行和股份制銀行、超60%的地方性商業銀行、數百家金融機構。