随着金融业数智化转型不断提速，大模型在金融领域的应用持续深化。然而在实际业务场景中，往往需要高度专业的金融知识、复杂的业务逻辑推理能力，以及严格的金融级安全合规等要求，现有的大模型在解决实际金融任务时仍面临诸多挑战。
在7月28日召开的世界人工智能大会智能体驱动产业变革论坛上，蚂蚁数科CEO赵闻飙在演讲中表示，“通用大模型距离产业实际应用存在‘知识鸿沟’。构建专业的金融大模型是推进金融与AI深度融合的必然路径。未来，金融大模型的应用深度将成为金融机构竞争力的关键要素”。
记者在论坛现场了解到，蚂蚁数科正式发布金融推理大模型Agentar-Fin-R1，为金融AI应用打造“可靠、可控、可优化”的智能中枢。Agentar-Fin-R1基于Qwen3研发，在FinEval1.0、FinanceIQ等权威金融大模型评测基准上超越Deepseek-R1等同尺寸开源通用大模型以及金融大模型，显示其更强的金融专业性、推理能力以及安全合规能力。
据悉，Agentar-Fin-R1包括32B和8B参数两个版本。蚂蚁数科还推出基于百灵大模型的MOE架构模型，获得更优推理速度。此外，还有非推理版本的14B和72B参数大模型，以满足金融机构在多样化场景下的部署需求。
评测结果显示：相较于通用开源模型及其他金融模型，Agentar-Fin-R1在FinEval1.0、FinanceIQ两大主流金融基准测试中均取得最高评分。并且模型在金融能力显著增强的同时，通用能力也表现出较高水准。
赵闻飙介绍，在数据层面，构建了业内最全面与专业的金融任务分类体系，包括6大类、66小类场景，覆盖银行、证券、保险、基金、信托等金融全场景。基于千亿级金融专业数据语料，通过可信数据合成技术以及结合专家标注的金融长思维链（CoT）构造机制，显著提升模型处理复杂任务的能力，让大模型“天生懂金融，出厂即专家”。
在训练层面，创新的加权训练算法，提高大模型对复杂金融任务的学习效率与性能。在后续业务应用中，可显著减少二次微调的数据需求与算力消耗，有效降低大模型在企业落地的门槛与成本。此外，Agentar-Fin-R1还能不断更新迭代，吸收最新的金融政策、市场动态等关键信息，并通过配套评测工具进行针对性优化，让模型能力在真实业务场景中不断进化。
