在金融科技领域，随着“人工智能+”战略的深入实施，大型模型技术正逐步在金融行业中扎根生长。为了衡量这些大型模型在金融场景下的专业性和可靠性，上海财经大学近期对其金融领域大模型评估基准进行了升级，推出了Fineval 6.0版本，并首次引入了金融严谨性等新的评估维度，同时发布了首份详细的评测报告。
作为国内金融领域大模型测评的先行者，上海财经大学早在2024年就参与了《金融大模型应用测评指南》的制定工作，该指南是全国首个聚焦于金融业务能力的团体标准。此次升级，Fineval 6.0基于广泛的行业调研和投资者反馈，特别强化了金融严谨性的评测样本，从金融学术知识、行业理解、严谨性测试、安全认知以及智能体应用等多个方面，对大型模型在复杂金融场景中的实际应用能力进行了全面评估。
在Fineval 6.0的评测中，国内外共9款具有代表性的大型模型接受了考验，包括DeepSeek-R1、GPT-4等通用基础模型，以及专注于金融领域的垂直模型。评测结果显示，虽然所有模型在金融学术知识方面均表现出色，但在金融严谨性和行业理解等关键能力上，各模型之间的差异显著。蚂蚁集团旗下的理财AI“蚂小财”凭借其强大的模型底座，在金融严谨性等多个维度上脱颖而出，总分超越了多款通用大模型。
特别是金融严谨性这一维度，行业平均得分仅为70.27分，而“蚂小财”则以高出均值17分的优异成绩遥遥领先。作为蚂蚁集团旗下的AI理财助手，“蚂小财”不仅连接了蚂蚁财富平台上的200多家基金公司、券商和财经媒体的内容与服务，还在通用大模型的基础上，构建了金融智能增强技术体系，显著提升了金融场景下的专业功能和交互体验。
上海财经大学教授张立文作为测评团队的负责人指出，金融领域是AI技术应用的重要场景之一，对AI的专业性和严谨性提出了更高要求。近年来，国内AI在金融领域的应用水平不断提升，逐渐从“博学多才”向“专业审慎”转变，为下一阶段的大规模应用奠定了坚实基础。这些积极的探索不仅有助于提升我国在国际AI产业竞争中的地位，还将为数字金融和普惠金融的发展开辟新篇章。
