inclusionAI/Ling-3.0-flash-Fin
금융 리서치, 근거 기반 검색, 장기 에이전트 실행, 가치평가 모델링, 스프레드시트 처리, Banking 워크플로124B total, 5.1B activated256K 컨텍스트MIT
금융 검색·가치평가·스프레드시트 작업을 연결하는 124B 모델
학습 방식 · inclusionAI/Ling-3.0-flash 기반 continued training과 고품질 금융 데이터 추가 학습
TL;DR
Ling-3.0-flash-Fin은 inclusionAI/Ling-3.0-flash에 고품질 금융 데이터를 추가로 학습한 finance-enhanced fine-tune 모델입니다. 총 124B 파라미터와 5.1B 활성 파라미터, 256K 컨텍스트 윈도우를 바탕으로 검색·근거 확인·계산·모델링·보고서 작성이 이어지는 금융 리서치 작업을 처리합니다. FinFIRST, FinSearchComp Verified, FinCRAFT, Finance Agent, APEX-Agents, SpreadsheetBench, τ³-Banking에서 금융 검색과 도구 활용 중심의 성능을 평가받았으며, SGLang과 vLLM으로 서비스할 수 있습니다.
핵심 포인트
- 금융 데이터 추가 학습으로 검색부터 계산·모델링·보고서 작성까지 이어지는 작업 흐름을 처리합니다.
- 연차보고서·실적발표·규제 문서·리서치 자료의 기간, 정의, 가정과 상충 수치를 대조합니다.
- 수식, 실제값·추정값 갱신, 시트 간 의존성, 잔액 점검과 시나리오 분석을 다룹니다.
- BF16 체크포인트로 배포되며 Ling-3.0-flash와 같은 구조를 사용해 SGLang·vLLM과 호환됩니다.
제한사항
- 복잡한 장기 금융 워크플로에서는 추가 검증이 필요합니다.
- 핵심 가정, 가치평가 결과와 투자 결론은 전문가 확인이 필요하며 투자 조언으로 사용할 수 없습니다.
벤치마크
| 벤치마크 | 지표 | 값 | 비교 |
|---|---|---|---|
| FinFIRST | score | 52.85 | 차트 기준 GPT-5.6-Sol 73.17, Claude-Opus-5 69.11 |
| FinSearchComp Verified | score | 77.04 | 차트 기준 Gemini-3.7-Flash 85.99, Claude-Opus-5 84.75 |
| FinCRAFT | score | 51.74 | 차트 기준 Claude-Opus-5 58.96, Gemini-3.7-Flash 55.22 |
| Finance Agent v1.1 | score | 69.19 | 차트 기준 Gemini-3.7-Flash 71.00, Claude-Opus-5 70.50 |
| Finance Agent v2 | score | 59.81 | 차트 기준 Gemini-3.7-Flash 64.20, Claude-Opus-5 62.96 |
| APEX-Agents | score | 29.17 | 차트 기준 Claude-Opus-5 43.50, Gemini-3.7-Flash 42.92 |
| SpreadsheetBench V1 | score | 86.50 | 차트 기준 GLM-5.2 87.50, Gemini-3.7-Flash 87.25 |
| SpreadsheetBench V2 | score | 21.81 | 차트 기준 Claude-Opus-5 28.35, Gemini-3.7-Flash 26.79 |
| τ³-Banking | score | 41.00 | 차트 기준 Kimi-K3 46.00, GPT-5.6-Sol 44.30 |
이미지 분석
76
LIKES
712
DOWNLOADS
0 / 0
조회수
관련 토론
아직 관련 토론이 없습니다.
댓글
댓글을 작성하려면 로그인이 필요합니다.
