Zusammen mit dem Modell hat Ant Group laut der Unternehmensmitteilung auch FinFIRST veröffentlicht, einen von Fachleuten erstellten Benchmark für Finanzsuchagenten. FinFIRST bewertet nach Ant Groups Angaben den gesamten Rechercheweg und nicht nur den Abgleich der Endergebnisse. Auf diese Weise soll der Benchmark nach Darstellung des Unternehmens strikte Datenkonsistenz und durchgängige Nachvollziehbarkeit in komplexen Finanzszenarien gewährleisten. FinFIRST V1 umfasst laut Ant Group 123 von Fachleuten verfasste Aufgaben, 701 atomare Kriterien und 12.300 Rubrik-Punkte. Entwickelt wurde der Benchmark nach Unternehmensangaben mit professioneller Unterstützung des Investment-Banking-Teams der China International Capital Corporation Limited (CICC).

Die Ling-Familie

Ling-3.1-flash erweitert laut Ant Group die Ling-Modellfamilie, die auch als BaiLing bekannt ist. Diese Familie besteht nach Angaben des Unternehmens inzwischen aus drei Hauptserien: den nicht denkenden Ling-Modellen, den denkenden Ring-Modellen und der multimodalen Ming-Serie. Die Modelle der Familie decken laut Ant Group unterschiedliche Größen und technische Fähigkeiten für verschiedene Anwendungsszenarien ab. Als Flaggschiff der nicht denkenden Ling-Modelle führt das Unternehmen Ling-1T.

Ant Group hatte zuvor die Veröffentlichung und Open-Source-Freigabe von Ling-1T angekündigt, einem universellen großen Sprachmodell mit einer Billion Parametern. Ling-1T soll nach Unternehmensangaben effiziente Inferenz und präzises Reasoning ausbalancieren und verbesserte Ergebnisse in verschiedenen Anwendungsfällen liefern, darunter Codegenerierung, Softwareentwicklung, das Lösen von Mathematikproblemen auf Wettbewerbsniveau und logisches Reasoning. Ling-1T erreicht laut Ant Group State-of-the-Art-Leistung (SOTA) bei mehreren komplexen Reasoning-Benchmarks innerhalb begrenzter Ausgabe-Token-Grenzen. Im AIME-Benchmark 2025 schneidet Ling-1T nach Angaben des Unternehmens auf Augenhöhe mit den besten KI-Modellen ab.

Im Benchmark der American Invitational Mathematics Examination (AIME) 2025 erreicht Ling-1T laut Ant Group eine Genauigkeit von 70,42 %. Dabei lag der durchschnittliche Aufwand nach Unternehmensangaben bei über 4.000 Ausgabe-Tokens pro Aufgabe.

Modell für Finanz-Workflows

Auf der Inclusion·Conference on the Bund 2026 kündigte Ant Group die Open-Source-Veröffentlichung von Ling-3.0-flash-Fin an. Ling-3.0-flash-Fin ist laut Ant Group als offenes Modell für reale Finanz-Workflows positioniert und an tatsächlichen Geschäftsanforderungen ausgerichtet. Nutzer können das Modell nach Unternehmensangaben privat bereitstellen, mit Suche, Python, Datenbanken und Tabellenkalkulationen verbinden und an eigene Finanz-Workflows anpassen. Ling-3.0-flash-Fin ist laut Ant Group auf OpenRouter und Vercel verfügbar; die offenen Gewichte sind über Hugging Face und ModelScope zugänglich.

Was offen bleibt

Für Ling-3.1-flash selbst nennen die Berichte bislang nur die Veröffentlichung der Gewichte, die Lizenz und die technischen Eckdaten. Ob FinFIRST auch für Ling-3.1-flash eingesetzt wird, geht aus den vorliegenden Angaben nicht hervor. Angaben zu Trainingsdaten, Inferenzkosten oder verfügbaren Feintuning-Varianten von Ling-3.1-flash fehlen in dem Material.

Die MIT-Lizenz erlaubt Unternehmen grundsätzlich, die Gewichte selbst zu betreiben, statt eine gehostete Schnittstelle zu nutzen. Für Finanz-Workflows beschreibt Ant Group genau diesen Weg: private Bereitstellung mit Anbindung an eigene Datenquellen und Werkzeuge. Ob die Ergebnisse auf die eigenen Daten und Prozesse übertragbar sind, lässt sich aus den veröffentlichten Angaben nicht ableiten.