Ant Group zet Ling-3.0-flash-Fin open voor financiële workflows

Ling-3.0-flash-Fin staat sinds 9 september open op Hugging Face, meldt Ant Group, met 124 miljard parameters waarvan 5,1 miljard per token actief zijn voor financiële AI-taken.

Voor een Nederlandse onderneming die research, waardering of spreadsheetwerk met AI wil ondersteunen, verschuift daarmee de keuze: een gespecialiseerd model kan naast een algemene AI-dienst komen te staan, met eigen hosting als optie. De ruil is meer controle over data en modelgedrag, maar ook zelf beheer van rekenkracht, updates en controles.

Wat er wordt vrijgegeven

Ant Group kondigt de release aan tijdens de Inclusion·Conference on the Bund in Shanghai. Het model is ontwikkeld met financiële instellingen en domeinexperts en is doorgetraind op financiële data. De modelkaart beschrijft een contextvenster van 256K en een model dat is ingericht voor lange, stapsgewijze financiële taken.

De beoogde keten loopt van informatie ophalen en broncontrole via berekeningen en waardering naar bewerkbare spreadsheets en rapporten met grafieken. Ling-3.0-flash-Fin kan volgens de release aan zoekdiensten, Python, databases en spreadsheets worden gekoppeld. De gewichten zijn bedoeld voor private deployment, naast gebruik via een standaardchat of API.

Open betekent hier ook daadwerkelijk beschikbaar. De repository toont een BF16-checkpoint van ongeveer 255 GB, verdeeld over 64 safetensor-bestanden, naast de modelcode en configuratie. De modelpagina vermeldt een MIT-licentie. Dat maakt gebruik en aanpassing mogelijk, maar het maakt de infrastructuur niet klein of het beheer automatisch.

Financiële workflows zijn de inzet

De waarde van een gespecialiseerd model zit vooral in de samenhang tussen bronnen, berekeningen en het eindbestand. Een algemene AI-dienst kan een losse vraag beantwoorden. Dit model mikt op een langere keten waarin een systeem rapportages vergelijkt, aannames bijhoudt, formules in een werkmap begrijpt en het resultaat controleerbaar oplevert.

Daarmee is Ling vooral interessant voor terugkerend werk met een vaste bronset en een duidelijk uitvoerformaat. Denk aan bedrijfsresearch, waarderingsmodellen of periodieke updates van financiële spreadsheets. Voor een brede assistent met weinig volume blijft een algemene dienst waarschijnlijk eenvoudiger, omdat 255 GB aan gewichten, GPU-capaciteit en technisch beheer dan moeilijk opwegen tegen gebruik via een API.

De open-weight-keuzegids die modellen laat toetsen op eigen taak, kosten per klus, licentie en data-eisen past precies bij deze release. Niet de grootte van het model, maar de kwaliteit op je eigen bestanden bepaalt of de overstap iets oplevert.

De benchmark is een beginpunt

InclusionAI rapporteert resultaten op FinFIRST, FinSearchComp Verified, FinCRAFT, Finance Agent, APEX-Agents, SpreadsheetBench en τ³-Banking. In de eigen grafiek staat Ling-3.0-flash-Fin op 86,50 bij SpreadsheetBench V1 en op 21,81 bij SpreadsheetBench V2. Bij Finance Agent rapporteert de maker 69,19 voor versie 1.1 en 59,81 voor versie 2. De benchmarkgrafiek van InclusionAI laat zien dat prestaties per taak en versie uiteenlopen. Eén algemene score bewijst dus niet dat het model voor elk financieel proces geschikt is.

Ant Group brengt naast het model ook FinFIRST uit, een benchmark voor financiële zoekagenten. Versie 1 bevat volgens de release 123 door experts geschreven taken, 701 deelcriteria en 12.300 rubricapunten. De test kijkt naar de volledige onderzoeksroute, niet alleen naar de overeenkomst tussen een eindantwoord en een voorbeeldantwoord. Dat sluit aan bij financiële processen waarin de bron, de berekening en de controleerbaarheid net zo belangrijk zijn als de uitkomst.

Chinese herkomst blijft een zakelijke afweging

De release komt van Ant Group, een technologiebedrijf uit China, en de aankondiging is vanuit Shanghai verstuurd. Dat zegt niets op zichzelf over de kwaliteit van het model. Naast de MIT-licentie komen de gegevensstroom, hostinglocatie en updateverantwoordelijkheid op tafel. Ook moeten afspraken over sectorregels en interne risico’s bij de organisatie passen.

Open gewichten nemen leveranciersafhankelijkheid pas weg als ze echt zelf draaien. Dat onderscheid tussen open gewichten zelf hosten en hetzelfde Chinese model als gehoste dienst gebruiken is voor een Nederlandse organisatie belangrijker dan het label open-source alleen. Ant Group vermeldt ook dat aannames, waarderingen en investeringsconclusies professionele controle nodig hebben en geen beleggingsadvies vormen.

De verschuiving zit dus niet in een chatbot die de financieel specialist vervangt. Ling-3.0-flash-Fin maakt een gespecialiseerde, open modelcomponent beschikbaar voor organisaties die een financiële workflow met bronnen, spreadsheets, menselijke controle en eigen infrastructuur willen samenstellen. De grens tussen algemene AI-dienst en eigen financieel systeem komt daarmee een stap dichter bij elkaar te liggen.