Apa yang terjadi
Ling-3.0-flash-Fin bersumber terbuka dari Ant Group, model Mixture-of-Experts (MoE) dengan 124 miliar parameter yang mengaktifkan 5,1 miliar parameter per token. Model ini dirancang khusus untuk alur kerja penelitian keuangan, mengintegrasikan pengambilan informasi, pemodelan penilaian melalui otomatisasi Excel, dan pembuatan laporan. Ini tersedia di OpenRouter, Vercel, Hugging Face, dan ModelScope. Pada saat yang sama, Ant Group merilis FinFIRST, sebuah tolok ukur untuk agen pencarian keuangan yang dikembangkan bersama China International Capital Corporation, yang mengevaluasi proses penelitian dan bukan sekadar jawaban akhir.
Ant Group telah merilis Ling-3.0-flash-Fin, model AI open-weight yang dirancang untuk penelitian dan analisis keuangan. Model ini menggunakan arsitektur Mixture-of-Experts (MoE) dengan total 124 miliar parameter, hanya mengaktifkan 5,1 miliar per token untuk menyeimbangkan kapasitas pengetahuan dengan efisiensi inferensi. Desain ini bertujuan untuk mengurangi biaya penerapan sekaligus mempertahankan kinerja tinggi dalam tugas keuangan.
Model ini berfokus pada empat kemampuan inti: pengambilan informasi dari sumber resmi dengan kemampuan penelusuran ujung ke ujung, alasan penelitian yang membangun rantai bukti yang dapat diverifikasi dari data yang heterogen, pemodelan penilaian yang memahami dan mengotomatiskan model keuangan Excel yang terkait, dan pembuatan laporan yang menggabungkan fakta, penghitungan, dan bagan ke dalam keluaran terstruktur. Pendekatan berorientasi alur kerja ini membedakannya dari model percakapan tujuan umum.
Ketersediaannya luas, dengan model dapat diakses melalui penyedia API OpenRouter dan Vercel, dan bobot terbuka tersedia di Hugging Face dan ModelScope. Hal ini memungkinkan pengembang untuk menerapkan model secara pribadi dan mengintegrasikannya dengan pencarian kustom, Python, database, dan alur kerja spreadsheet. Rilis ini merupakan bagian dari keluarga Ling 3.0 yang lebih luas, yang mencakup model lain untuk agen produksi dan beban kerja multimoda.
Selain model tersebut, Ant Group juga menggunakan sumber terbuka FinFIRST, yang merupakan tolok ukur bagi agen pencari keuangan. Dikembangkan dengan dukungan profesional dari China International Capital Corporation, FinFIRST V1 mencakup 123 tugas yang ditulis oleh ahli, 701 kriteria atom, dan 12.300 poin rubrik. Berbeda dengan tolok ukur tradisional yang hanya mengevaluasi jawaban akhir, FinFIRST menilai proses penelitian yang lebih luas, termasuk konsistensi data dan keterlacakan, sehingga memberikan ukuran keandalan AI yang lebih komprehensif dalam konteks keuangan.
Detail sumber: opensourceforu.com ↗
Mengapa itu penting
Rilis ini mengatasi kesenjangan kritis dalam adopsi AI untuk bidang keuangan: kebutuhan akan keluaran yang dapat dilacak dan akurat dalam perhitungan dibandingkan pembuatan teks umum. Dengan menggabungkan efisiensi Kementerian Lingkungan Hidup dan instrumen keuangan khusus, hal ini akan menurunkan hambatan bagi penerapan model berkapasitas tinggi oleh swasta di lingkungan yang diatur. Dimasukkannya tolok ukur berorientasi proses (FinFIRST) memberikan standar baru untuk mengevaluasi keandalan AI dalam analisis keuangan, melampaui metrik akurasi sederhana untuk menilai konsistensi data dan rantai bukti.
Sektor keuangan memerlukan ketelitian dan kemampuan audit yang tinggi, area dimana LLM tujuan umum sering mengalami kesulitan. Dengan mengintegrasikan otomatisasi spreadsheet dan pengambilan informasi yang dapat ditelusuri, Ling-3.0-flash-Fin menargetkan titik kesulitan spesifik dalam penelitian investasi, di mana kesalahan dalam penghitungan atau atribusi sumber dapat menimbulkan konsekuensi yang signifikan.
Arsitektur MoE penting untuk diadopsi oleh perusahaan karena memungkinkan penerapan model berkapasitas besar dengan overhead komputasi yang lebih rendah. Hal ini menjadikannya lebih memungkinkan bagi perusahaan untuk menjalankan model ini secara on-premise atau di lingkungan private cloud, sehingga dapat mengatasi masalah privasi data yang umum terjadi di bidang keuangan.
Peluncuran FinFIRST merupakan perkembangan penting dalam evaluasi AI. Dengan berfokus pada proses penelitian dan bukan hanya pada keluarannya, hal ini memberikan kerangka kerja untuk menilai keandalan agen AI dalam tugas keuangan multi-langkah yang kompleks. Hal ini dapat memengaruhi cara organisasi lain mengevaluasi alat AI untuk fungsi bisnis penting.
Sifat model dan tolok ukur yang terbuka mendorong transparansi dan kontribusi masyarakat. Hal ini memungkinkan peneliti dan praktisi independen untuk memverifikasi kemampuan model dan berpotensi meningkatkan tolok ukurnya, sehingga mendorong ekosistem yang lebih kuat untuk AI finansial.
Mekanisme Interaktif: Cara Kerja Sebenarnya
Jelajahi teknologi yang mendasari di balik perkembangan ini secara interaktif.
Which component of an AI application is the machine-learning model itself?
Apa yang harus ditonton selanjutnya
Pantau adopsi oleh bank investasi dan manajer aset untuk penerapan swasta. Perhatikan verifikasi independen atas performa model pada benchmark FinFIRST, karena hasil saat ini dilaporkan sendiri oleh Ant Group. Amati apakah lembaga keuangan lain mengembangkan model open-weight khusus serupa atau apakah model ini menjadi standar evaluasi AI keuangan.
Verifikasi independen terhadap kinerja model pada FinFIRST dan tolok ukur keuangan lainnya saat ini masih kurang, karena hasil yang dilaporkan berasal dari sumber yang mengutip klaim Ant Group. Evaluasi pihak ketiga akan sangat penting untuk memastikan kegunaan praktis model tersebut.
Penerapan model ini oleh lembaga-lembaga keuangan besar akan menunjukkan dampak nyata model tersebut. Perhatikan studi kasus atau pengumuman dari bank, manajer aset, atau perusahaan fintech yang menerapkan Ling-3.0-flash-Fin di lingkungan produksi.
Evolusi benchmark FinFIRST patut untuk dipantau. Jika hal ini menjadi daya tarik sebagai standar untuk mengevaluasi AI finansial, hal ini dapat membentuk pengembangan model masa depan dan menetapkan ekspektasi baru terhadap keandalan AI di sektor ini.
Potensi peraturan atau standar industri mengenai penggunaan AI di bidang keuangan mungkin dipengaruhi oleh ketersediaan model khusus yang dapat dilacak. Desain model ini sejalan dengan meningkatnya tuntutan akan kemampuan menjelaskan dan mengaudit dalam keputusan keuangan berbasis AI.