在金融科技领域的一次重大突破中，蚂蚁数科于近日正式推出了其精心研发的金融推理大模型——Agentar-Fin-R1。这一发布是在世界人工智能大会论坛上震撼亮相的，标志着蚂蚁数科在金融智能化道路上迈出了坚实的一步。
Agentar-Fin-R1基于Qwen3架构，不仅在金融大模型评测标准上表现卓越，超越了同尺寸的开源通用大模型及金融大模型，如Deepseek-R1，更在专业性、推理能力和安全合规性上展现出了显著优势。这一成就，无疑为金融行业的人工智能应用树立了新的标杆。
蚂蚁数科副总裁余滨在论坛上指出，当前AI技术正处于发展的关键转折点。金融机构若能抓住这一机遇，有望通过智能化转型实现弯道超车，否则可能会浪费过去十年在数字化建设上积累的领先优势。面对这一挑战，专业化的金融推理大模型应运而生，成为破解金融领域AI应用难题的关键。
蚂蚁数科CEO赵闻飙强调，通用大模型与产业实际应用之间存在显著的“知识鸿沟”。为了推进金融与AI的深度融合，构建专业的金融大模型是必经之路。未来，金融大模型的应用深度将成为衡量金融机构竞争力的重要标准。
蚂蚁数科金融推理大模型的核心竞争力，源自其专业且全面的金融数据训练体系。蚂蚁数科凭借在金融行业的深厚积累，整理并制定了一套覆盖银行、证券、保险、基金、信托等全场景的金融任务体系。这一体系为模型提供了科学、专业的“课程大纲”，确保了模型对行业知识的系统化学习。
基于这一任务体系，蚂蚁数科从海量的交易、风控和财富管理场景中筛选出真实原始数据，经过严格的质量评估后，通过专门设计的可信数据合成和CoT数据精标链路，构建了迄今为止最专业、最全面的金融领域训练数据集。通过加入原则类合成数据，蚂蚁数科确保了模型在所有任务中都能严格遵守金融业的安全合规要求。
经过这一专业体系数据集训练的金融大模型，不仅在多个主流金融评测集上取得了同尺寸最佳效果，更在实际应用中展现出了强大的自然语言理解、自然语言生成、金融认知以及幻觉抑制能力。这些能力确保了金融决策场景的事实精确性与认知可靠性，同时严格遵循了金融监管框架与伦理准则。
值得注意的是，蚂蚁数科发布的金融大模型还具备更高效的加权训练算法。这一算法在后续业务应用中能够显著减少二次微调的数据需求和算力消耗，从而降低了大模型落地企业的门槛与成本。Agentar-Fin-R1是一款能够自主进化的大模型，通过持续迭代和更新金融政策、市场动态、产品条款等关键信息，确保了其知识、能力和合规性始终紧跟行业变化。
为了满足金融机构在多样化场景下的部署需求，蚂蚁数科推出了包括32B和8B参数两个版本的Agentar-Fin-R1。同时，还基于百灵大模型推出了MOE架构模型，以获得更优的推理速度。还有非推理版本的14B和72B参数大模型可供选择。
截至目前，蚂蚁数科已经为100%的国有银行和股份制银行、超过60%的地方性商业银行以及数百家金融机构提供了服务。蚂蚁数科AI原生产品总经理王磊表示，在大模型时代，金融机构值得利用AI技术重塑全部业务流程，以实现更高效、更智能的金融服务。
