# Artificial Analysis đánh giá mô hình tài chính Ling-3.0-flash-Fin của Ant Group

- Nguồn: Artificial Analysis bài đầy đủ (Web)
- Thời gian phát hành: 2026-09-16 21:40 (giờ Việt Nam)
- Điểm AI: 57/100
- Link AIHOT.vn: https://aihot.vn/items/d3464b651590b63e
- Nguồn dữ liệu AI HOT: https://aihot.news/items/cmu47jpaz0cjsro4wrql7y59e
- Link gốc: https://artificialanalysis.ai/articles/ant-group-releases-finance-focused-ling-3-0-flash-fin

## Tóm tắt AI

Ant Group ra mắt mô hình mã nguồn mở Ling-3.0-flash-Fin chuyên biệt cho tài chính, đạt điểm số ấn tượng trên bảng xếp hạng Artificial Analysis về khả năng phân tích và kế toán.

## Thân bài

![Ant Group releases finance-focused Ling-3.0-flash-Fin](https://cdn.sanity.io/images/6vfeftx9/articles/822a826b83460fe37559434a5c078d4bb545bea5-600x600.png?w=1200&auto=format)

### Ling-3.0-flash-Fin, mô hình open weights tập trung vào lĩnh vực tài chính mới của Ant Group, đạt 23 điểm trên Artificial Analysis Intelligence Index và 24 điểm trên Finance & Accounting Index, đồng thời nằm trên đường biên Pareto (Pareto Frontier) giữa Trí tuệ và Tham số hoạt động (Intelligence vs. 

Ant Group đã ra mắt Ling-3.0-flash-Fin, một mô hình chuyên biệt về tài chính được xây dựng dựa trên Ling-3.0-flash. Ant Group cho biết họ đã phát triển mô hình này cùng với các tổ chức tài chính và chuyên gia trong ngành để hỗ trợ nghiên cứu tài chính, bao gồm kiểm tra nguồn dữ liệu, xây dựng bảng tính định giá và viết báo cáo. Mô hình chỉ hỗ trợ văn bản này ra đời sau khi họ phát hành Ling-3.0-flash-VL, một mô hình có khả năng xử lý đầu vào hình ảnh và video, vốn đạt 25 điểm trên Intelligence Index.

### Các kết quả chính:

➤ Ling-3.0-flash-Fin đạt điểm Intelligence Index ngang bằng với MiniMax-M2.7 nhưng với số lượng tham số hoạt động chỉ bằng khoảng một nửa. Cả hai đều đạt 23 điểm, trong khi Flash-Fin kích hoạt 5,1 tỷ tham số mỗi token so với 10 tỷ của MiniMax-M2.7.

➤ Ling-3.0-flash-Fin đạt 24 điểm trên Artificial Analysis Finance & Accounting Index, ngang bằng với Ling-3.0-flash-VL. Fin có độ chính xác về kiến thức kinh doanh cao hơn VL (17% so với 11%), nhưng cũng có tỷ lệ ảo tưởng (hallucination) về kiến thức kinh doanh cao hơn (33% so với 19%).

➤ Ling-3.0-flash-Fin đạt điểm thấp hơn một chút so với Ling-3.0-flash-VL trong các công việc đòi hỏi kiến thức chuyên môn. Mô hình đạt 1171 Elo trên GDPval-AA v2 và 967 trên AA-Briefcase, so với lần lượt là 1225 và 986 của Ling-3.0-flash-VL. Cả hai bộ tiêu chuẩn này đều kiểm tra khả năng của các tác nhân (agent) trong các nhiệm vụ chuyên môn như tạo tài liệu và bảng tính.

➤ Các tác vụ tác nhân (agentic tasks) khó vẫn là một thách thức đối với Ling-3.0-flash-Fin. Mô hình đạt 7% trên AutomationBench-AA, bài kiểm tra quy trình làm việc trên các ứng dụng kinh doanh trong khi vẫn tuân thủ các rào cản an toàn, so với 16% của mô hình flash-VL. Cả hai mô hình đều đạt 0% trên Terminal-Bench v4.0, bài kiểm tra các tác vụ sử dụng terminal phức tạp.

➤ Ling-3.0-flash-Fin sử dụng nhiều token đầu ra hơn so với mô hình flash-VL và MiniMax-M2.7. Trung bình mô hình sử dụng khoảng 67 nghìn token đầu ra cho mỗi tác vụ trên Intelligence Index, cao hơn khoảng 34% so với VL (~50 nghìn) và gấp 3,2 lần MiniMax-M2.7 (~21 nghìn).

### Thông tin chi tiết bổ sung về mô hình:

➤ Loại: Mô hình suy luận open weights.

➤ Quy mô: Tổng cộng 124 tỷ tham số, 5,1 tỷ tham số hoạt động mỗi token (MoE).

➤ Cửa sổ ngữ cảnh: 256 nghìn token.

➤ Phương thức: Đầu vào và đầu ra văn bản.

➤ Khả dụng qua API: Có sẵn thông qua @OpenRouter, bao gồm cả endpoint miễn phí có giới hạn tốc độ.

➤ Giấy phép: MIT.

![](https://cdn.sanity.io/images/6vfeftx9/articles/2743eed111edbf8844e68d00193a6a378334f89e-2464x1800.png?w=1200&auto=format)

Ling-3.0-flash-Fin nằm trên đường biên Pareto giữa Intelligence Index và tham số hoạt động, đạt 23 điểm với 5,1 tỷ tham số hoạt động mỗi token, so với 25 điểm của Ling-3.0-flash-VL (sử dụng 5,5 tỷ tham số hoạt động). Cả hai đều có tổng cộng 124 tỷ tham số, trong khi Qwen3.8 27B (xhigh) đạt 34 điểm với tổng cộng 27 tỷ tham số, khiến cả hai mô hình Ling đều nằm dưới đường biên tổng tham số.

![](https://cdn.sanity.io/images/6vfeftx9/articles/f269457264395062783d2ee0e44f6aecfc98ff2f-2464x2232.png?w=1200&auto=format)

Ling-3.0-flash-Fin đạt 24 điểm trên Artificial Analysis Finance & Accounting Index, chỉ số kết hợp giữa kiến thức kinh doanh, suy luận, công việc tác nhân, phân tích ngữ cảnh dài và khả năng không ảo tưởng. Đây là số điểm tương đương với Ling-3.0-flash-VL. Fin có độ chính xác về kiến thức kinh doanh cao hơn (17% so với 11%), nhưng tỷ lệ ảo tưởng về kiến thức kinh doanh lại tệ hơn (tỷ lệ không ảo tưởng là 67% so với 81%).

![](https://cdn.sanity.io/images/6vfeftx9/articles/fb9b8bc64ecb344801464999e00ea3268940bd8f-2464x1832.png?w=1200&auto=format)

Ling-3.0-flash-Fin đạt 1171 Elo trên GDPval-AA v2, bài kiểm tra các tác nhân về công việc kiến thức chuyên môn. Kết quả này thấp hơn khoảng 50 điểm so với Ling-3.0-flash-VL (1225 điểm) và cao hơn MiniMax-M2.7 (1087 điểm).

![](https://cdn.sanity.io/images/6vfeftx9/articles/278262a30dcc1019f756fc0301d3bd47ff71ee53-2464x928.png?w=1200&auto=format)

Ling-3.0-flash-Fin đạt 967 Elo trên AA-Briefcase, thấp hơn một chút so với Ling-3.0-flash-VL (986). AA-Briefcase kiểm tra các tác nhân về quy trình kinh doanh phức tạp, sử dụng các tập hợp tệp nguồn lớn để tạo bảng tính, bài thuyết trình và bản ghi nhớ. So với VL, Fin vượt qua ít tiêu chí đánh giá hơn (23,5% so với 24,9%) và đạt điểm thấp hơn về Analytical Quality Elo (866 so với 907), trong khi Presentation Elo lại cao hơn một chút (1095 so với 1076), điều này khá bất ngờ vì nó không sở hữu khả năng xử lý đầu vào hình ảnh như mô hình VL.

![](https://cdn.sanity.io/images/6vfeftx9/articles/19e39d01bb8c42404db649b1d83f81d7c4f0483e-2464x2712.png?w=1200&auto=format)

Ling-3.0-flash-Fin sử dụng trung bình khoảng 67 nghìn token đầu ra cho mỗi tác vụ trên Intelligence Index, nhiều hơn khoảng 34% so với Ling-3.0-flash-VL (tạo ra khoảng 50 nghìn token mỗi tác vụ).

Kết quả đầy đủ của Ling-3.0-flash-Fin qua 10 bài đánh giá trong Artificial Analysis Intelligence Index v4.3.