本文作者：波妞PONYO（@ponyodong）。版权归作者所有，未经授权禁止转载。
说实话，我原本以为，这次最容易翻车的是数字。
结果同一个宇树科技任务跑了三次：
- 第一轮：32/33；
- 第二轮：还是 32/33；
- 第三轮：内容大体答出来了，整份结果却因为一个 JSON 结构错误，没法继续交给程序。
这个失败，反而比“三次全对”更有意思。
因为模型真正进入金融工作流以后，问题已经不只是“它知不知道答案”，而是：它能不能稳定交出下游真的能用的东西。
我给它的不是一道金融问答题
这次我选了宇树科技。
输入来自四份公开申报材料：招股说明书注册稿、两轮问询回复，以及审核中心意见落实函回复。相关原文、印刷页码和少量干扰信息被整理成一份 100,041 字符的证据包。
模型要回答 20 项财务和业务问题，包括：
- 三年营业收入、毛利率、净利润、经营现金流和研发投入；
- 四足机器人、人形机器人与境外业务收入结构；
- 客户集中度、募投项目与 2026 年一季度变化；
- 三类模型在已销售机器人中的集成状态；
- 以及一道材料没有答案的问题：2025 年付费客户的精确数量。
每一项都不能只交一个结论，还必须带回来源文件、印刷页码和对应原文。
换句话说，我测的不是聊天，是交付。
为什么是 Ling-3.0-flash-Fin
Ling-3.0-flash-Fin 是蚂蚁百灵在 Ling-3.0-flash 基础上推出的金融增强模型，采用 124B 总参数、5\.1B 激活参数的 MoE 架构。
参数本身不是我最关心的部分。
我真正想测的是，它能不能放进一个金融 Agent 里，负责读长材料、找数据、判断口径，再把结构化结果交给校验器和下游工具。
这三轮都走 OpenRouter 的 inclusionai/ling-3.0-flash-fin:free 端点，使用完全相同的证据包、20 项问题和参数。每一轮都从空上下文开始，也不读取上一轮答案。
人工标准答案一直封存到测试结束后，模型看不到。
如果输入条件不一样，连跑三次就没有比较意义。
前两轮准确但不是满分
前两次返回都能被程序正常解析。
校正评分后，两轮结果分别是：
| 指标 | 第一轮 | 第二轮 |
| :--- | :--- | :--- |
| 字段正确 | 32/33（97\.0%） | 32/33（97\.0%） |
| 整项正确 | 19/20（95\.0%） | 19/20（95\.0%） |
| 信源可追溯 | 53/60 | 57/60 |
主要财务数据、产品收入结构、境外业务和模型集成状态，它基本都找对了。
对于材料没有披露的付费客户精确数量，它也没有硬编，而是明确说无法确认。
这是我觉得它最像工作流模型的地方：知道什么能答，也知道什么不能答。
但两轮都有同一个缺口。
它找到了 34,906.55 万元股份支付费用，却没有把材料中的关键限定说透：这项费用属于非现金，不涉及现金流出。
在普通问答里，这可能只是少一句话。
放进财务分析流程里，它却会影响下游怎么理解现金消耗。
数字对了，不代表口径已经交付完整。
第三轮人能看懂但程序接不住
第三次 API 正常返回，finish_reason 也是 stop，不是因为长度不够被截断。
问题出在第 19 项。复杂嵌套答案里，几个本应放进数组的对象被写到了错误位置，最终导致整份 JSON 无法解析。
人打开文本，大概还能看懂它想表达什么。
程序只会告诉你：失败。
所以这次不能写成“三次全成功”。准确的说法是：
API 返回 3/3；严格结构化交付 2/3。
这就是演示和生产之间那条最容易被忽略的缝。
速度与成本也要拆开看
| 指标 | 真实结果 |
| :--- | :--- |
| 三轮耗时 | 29\.697s / 32\.637s / 32\.771s |
| 平均耗时 | 31\.702s |
| 三轮总 Token | 147,086 |
| 本次端点显示成本 | $0 |
本轮成本为零，是因为测试走了 OpenRouter 免费端点。
这不等于生产部署没有成本。正式工作流还要面对限流、失败重试、数据工具、证据核对和人工审批。
第三轮的 JSON 失败，已经把这些隐性成本露出来了。
如果让我现在把它放进产品
我会用，但不会让它裸奔。
最小可用的生产路径应该是：
官方材料 → Ling-3.0-flash-Fin → JSON Schema 校验 → 失败局部重试 → 专业人员复核 → 下游文件或系统
模型负责理解长材料、取数、识别缺失信息和组织证据；确定性的程序负责格式、边界和失败恢复；专业人员保留最终审批权。
所以，我的结论不是“它已经可以无人值守地接管金融工作流”。
更准确的说法是：在十万字符级别的真实监管材料里，它已经有资格进入金融研究和数据处理的原型工作流，尤其适合做金融 Agent 的中间推理层。
金融 AI 的下一步，不只是回答更多问题。
而是知道哪些结果可以交给程序，哪些必须被拦下来重做。
这次，前两轮过了。
第三轮，校验器应该把它拦住。
Ling-3.0-flash-Fin 目前可以通过 OpenRouter 免费端点体验。免费端点存在速率限制，模型开放方式、许可证和后续价格请以官方最新信息为准。
想自己体验
这次实测使用的是 OpenRouter 上的 inclusionai/ling-3.0-flash-fin:free 免费端点。你可以直接从下面几个入口开始：
- 打开网页对话
- 查看模型与 API 页面
- 查看官方 Hugging Face 模型卡
- 查看官方发布推文
更多官方信息：Ant Ling 官方 X｜inclusionAI 官方主页｜FinFIRST 官方评测集
说明：本文不构成投资建议。关键数据、估值假设与投资结论仍需由专业人员复核。
