用金融AI排雷320页年报：债务、现金流、审计问题一次筛出
作者使用蚂蚁百灵与中金公司联合打造的金融增强模型 Ling-3.0-flash-Fin，对华南城2022/23年报进行债务与流动性避雷初筛。模型不推荐买卖，而是将数百页年报结构化为检查清单：定位现金覆盖、票据到期、经营现金流、利润质量、资产减值等关键风险点，并把管理层表述与报表数据并排比对，帮助普通投资者从'看故事'变成'看证据'。作者认为金融AI的真正价值不是荐股，而是降低公开信息阅读门槛，让非专业人士也能接近专业级的财报分析能力。
全部文档 / 标签: Ling-3.0
2 篇
我让蚂蚁百灵的金融模型，和它自己打了 441 轮
作者对蚂蚁百灵发布的金融模型 Ling-3.0-flash-Fin 与其通用基座 Ling-3.0-flash 进行了 441 轮对比实测，使用微软 FY26 Q4 财报和宁德时代 2025 年报等一手公开材料，设计八类任务。结果显示两个模型都能以分析师水准完成建模、口径辨析、抗幻觉等任务，准确率上金融版没有体现出明显优势；唯一显著差距在长篇输出场景，金融版更易'想太多'后返回空白（研报撰写失败率 18.6% vs 0%）。文章还给出反直觉发现：长上下文直投比 RAG 检索更准、更快、更便宜，并坦诚记录了测评过程中的多次自我纠错。
