Ling-3.0-flash-Fin: MIT-finans, 24 på indeks – 33 % hallusinasjon

Ling-3.0-flash-Fin er finansvarianten. Den er ikke en bedre VL.

Artificial Analysis publiserte 16. september 2026 uavhengige tall for Ant Groups Ling-3.0-flash-Fin. Modellen er åpne MIT-vekter, 124 milliarder parametre MoE, 5,1 milliarder aktive per token, 256K kontekst, bare tekst. Den er trent videre på finansdata oppå Ling-3.0-flash, sammen med finansinstitusjoner og fageksperter, ifølge InclusionAI.

AA gir 23 på Intelligence Index v4.3. Det matcher MiniMax-M2.7, med om lag halvparten så mange aktive parametre. På Finance & Accounting Index får Fin 24, samme som Ling-3.0-flash-VL. Det er der likheten slutter.

For CIO, CFO og CISO er dette en modell for research og regneark, ikke for kodeagenter, og ikke for produksjon uten menneske på konklusjonen.

Hva som faktisk er sluppet

Ling-3.0-flash-Fin ligger på Hugging Face under inclusionAI. Lisens: MIT. Vektene er BF16. Arkitekturen er den samme som Ling-3.0-flash, så SGLang og vLLM-oppskriftene følger tekstmodellen. Tenkemodus er på som standard. InclusionAI anbefaler temperature 1,0, top_p 0,95 og top_k 20.

InclusionAI peker på fem arbeidsflyter: uthenting med sporbar kilde, avstemming på tvers av årsrapport, børsmelding og research, verdsettelse og Excel med kryssark og balansekontroll, og ferdig research-notat. FinFIRST, et søke- og kildebenchmark, er lagt ut sammen med modellen.

API: OpenRouter, inkludert en ratebegrenset gratiskanal. Novita er listet som inference-leverandør på Hugging Face. Det er ikke et europeisk suverenitetsprodukt. Ant Group er Alipay-sfæren. MIT-vekter kan ligge i egen VPC. Kall mot kinesisk lab eller amerikansk mellomledd er en annen datalinje.

Modellen er ikke investeringsråd. InclusionAI skriver det selv: nøkkelantakelser, verdsettelser og konklusjoner krever faglig gjennomgang.

To indekser, tre advarsler

Intelligence Index 23 er Pareto mot aktive parametre, ikke mot frontier. Qwen3.8 27B (xhigh) ligger på 34 med 27B totale parametre. Fin og VL ligger under den totalparameter-fronten.

På finansindeksen treffer Fin bedre på forretningskunnskap enn VL: 17 prosent mot 11. Hallusinasjonen er også høyere: 33 prosent mot 19. Non-hallusinasjonsraten er 67 mot 81. En finansmodell som treffer oftere og fabler oftere, er farligere i Excel enn en som oftere sier nei.

Agentisk arbeid er svakere enn VL, ikke sterkere. GDPval-AA v2: 1171 Elo mot VLs 1225. AA-Briefcase: 967 mot 986. AutomationBench-AA: 7 prosent mot 16. Terminal-Bench v4.0: 0 prosent, samme som VL. Den åpner ikke terminalen. Den eier ikke CI.

AA-Briefcase er merknaden som teller for en controller: færre rubrikksjekker (23,5 prosent mot 24,9) og lavere Analytical Quality Elo (866 mot 907). Presentation Elo er litt høyere (1095 mot 1076), selv uten bildeinn. Det er layout, ikke tallkvalitet.

Prisen sitter i ut-tokens

Fin er verbøs. Om lag 67 000 ut-tokens per Intelligence Index-oppgave. Det er 34 prosent mer enn VL og 3,2 ganger MiniMax-M2.7. AA måler 162 tokens/s og 3,16 s til første token på InclusionAIs API. Rask decode. Dyrt resonneringsspor.

5,1B aktive kutter flops per token. Det kutter ikke racket. Samme klasse som VL: flere H200, ikke laptop. OpenRouters gratiskanal er ratebegrenset. Når den forsvinner, er FinOps en funksjon av tenkemodus og maks ut-lengde, ikke av «billig MoE».

Hva dette ikke er

Det er ikke en oppgradering av Ling-3.0-flash-VL. VL ser. Fin leser tekst. VL scorer høyere på generell intelligens (25 mot 23) og på de fleste agentiske tester. Fin scorer høyere på treffsikkerhet i forretningskunnskap, og taper det på hallusinasjon.

Det er ikke en erstatning for Bloomberg, FactSet eller intern controller. Sporbar kilde er et produktløfte. AA-Omniscience-hallusinasjon på forretningskunnskap er 33 prosent. Sett den bak kildekrav og menneske, eller ikke sett den i kundemateriell.

Det er ikke GA for styrt finansagent. InclusionAI kaller det første finansforsterkede slipp og ber om mer validering på lange arbeidsflyter. Det er korrekt. 7 prosent på AutomationBench-AA og 0 på Terminal-Bench er stoppskilt.

Hva ledere bør gjøre nå

Skill vekter og API. MIT i egen sone er én DPIA. OpenRouter eller Novita er en annen. Ikke bland dem i samme databehandleravtale.

Test mot deres egne årsrapporter, IFRS-noter og interne modeller, ikke mot FinFIRST alene. Mål hallusinasjon på tall, periode og fotnote, ikke «den skriver pent».

Ikke sett Fin som default i Copilot for økonomi. Tenkemodus på og 67k ut-tokens per oppgave vil spise gevinsten før treffsikkerheten er bevist. Behold VL der dokumentet er bilde eller PDF-scan. Behold en generell modell der terminal og SaaS-flyt er jobben.

Hvis dere likevel piloterer: isolert prosjekt, ingen produksjonsbok, ingen kundeutsending uten revisorøyne. Finansagent uten sporbar kilde og uten nei-rett er en compliance-hendelse, ikke en effektiviseringsgevinst.

Kilder og medier

Primærkilde: Artificial Analysis, «Ant Group releases finance-focused Ling-3.0-flash-Fin», https://artificialanalysis.ai/articles/ant-group-releases-finance-focused-ling-3-0-flash-fin

Artificial Analysis, modellside Ling-3.0-flash-Fin, https://artificialanalysis.ai/models/ling-3-0-flash-fin

Hugging Face / InclusionAI, Ling-3.0-flash-Fin (MIT): https://huggingface.co/inclusionAI/Ling-3.0-flash-Fin

Ant Group / Business Wire, open-sourcing av Ling-3.0-flash-Fin, https://www.businesswire.com/news/home/20260908565055/en/Ant-Group-Open-Sources-Ling-3.0-flash-Fin-for-Real-World-Financial-Workflows

Thumbnail: OpenAI Image 2 / hogby.ai