Scarred

|| Writer || Clipper ||

[Scarred @Scarred_zz]

Andoph is taking a break from launching new pairs 👀

Things have slowed down a little, and while he's still catching some winners here and there, the scammers are apparently working overtime.

Sometimes the best trade is not trading. 😭

FT: @Andoph11

Powered by @BasedBot— the No. 1 Degen trading app in the space.

[Andoph @Andoph11]

ANDOPH SCOUTING REPORT https://t.co/qoimwfD153

[Scarred @Scarred_zz]

Andoph is taking a break from launching new pairs 👀

Things have slowed down a little, and while he's still catching some winners here and there, the scammers are apparently working overtime.

Sometimes the best trade is not trading. 😭

FT: @Andoph11

Powered by @BasedBot— the No. 1 Degen trading app in the space.

[Andoph @Andoph11]

Bringing the minds of the most profitable traders to the trenches🔥

Episode 2 will be hosted LIVE this week.

Follow @TheTrenchZone

Notis on 🚨

[Scarred @Scarred_zz]

@CryptoTalkMan Have a great one kind

[Scarred @Scarred_zz]

@ZypherHQ I get why trump is reluctant

[Scarred @Scarred_zz]

@ObitoCrypto No arena for fear

[Scarred @Scarred_zz]

@ZypherHQ China and American in an unending beef

[Scarred @Scarred_zz]

@Andoph11 @BasedBot https://t.co/DwKPiROxBf

[Scarred @Scarred_zz]

Andoph is taking a break from launching new pairs 👀

Things have slowed down a little, and while he's still catching some winners here and there, the scammers are apparently working overtime.

Sometimes the best trade is not trading. 😭

FT: @Andoph11

Powered by @BasedBot— the No. 1 Degen trading app in the space.

[Andoph @Andoph11]

ANDOPH SCOUTING REPORT https://t.co/qoimwfD153

[阿良｜AI 工作流 @RealYDT]

https://t.co/xH08pLrbnQ

[Scarred @Scarred_zz]

@vintcessun I totally agree.

[Scarred @Scarred_zz]

@qtdevlop This is definitely not another NVDA clone.

[中年码农 @qtdevlop]

https://t.co/qaGqed1cGP

[Tony出海 @iamtonyzhu]

用金融AI模型改进我的 A 股 GPT

我之前用 CodeX 搓了一个自己的 A 股交易 Agent—— AguGPT（A股趋势雷达），成功获得 300% 的收益。

由于市场环境和执行等缺陷，回撤很多，

说实话，做股票的 AI 投研 Agent，最怕的不是模型不聪明，而是模型在关键数据上“胡说八道”。

现在我打算用专门的金融模型来改变策略试试。

我开始研究百灵刚发布的 Ling-3.0-flash-Fin ，接进了 AguGPT 的工作流里。

很多大模型只能做单轮问答，但金融 Agent 的本质是：
“寻权威源 ➔ 辨口径 ➔ 交叉核验 ➔ 多步计算 ➔ 交付可复核决策”。

在实际接入 AguGPT 的早盘管线后，这几个维度的体验提升非常明显：

下边是我的一点实验分享：👇

[Main CaseZ·美學 @MainCaseZ]

https://t.co/96lXNmFMyv

[Scarred @Scarred_zz]

@yyyole With this model fitting up to 4 different folks it's actually worth looking into

[沐阳 @yyyole]

公司要上市的饼画了三年，我今天用AI把它底裤扒了！!
扒完我都想把报告丢老板桌上！！

之前面试的时候，HR给我说公司马上就要上市了，
一晃眼，2年多了，结果还停在新三板！！
每年公布的财报确实看不太明白，
到底能不能上市，我用AI一次性扒干净！！
这次无意间看到蚂蚁发布的金融增强模型 Ling-3.0-flash-Fin，
一个搞金融的，做的金融模型，应该是有点东西的！！
这个垂直模型， 是用Ling-3.0针对性训练的，针对年报、财务工作簿、研究材料和工具调用做过金融增强，拥有124B总参数，每次只激活5.1B参数，262K长上下文。
分析几份报表，绰绰有余！！

所以我直接找来企业年报（公开版），然后在OpenCode里调用这个模型，让它分析财报，并告诉我存在的上市风险，和未来两年上市的可能性！
它读完大几百页材料，在里面找数据，然后统一口径、完成计算，重点检查：
收入和利润是不是真的增长；
经营现金流能不能匹配净利润；
应收账款、存货是否增长过快；
利润有没有依赖政府补助和非经常性收益；
是否存在大额关联交易；
审计意见和关键审计事项有没有埋雷；
偿债能力、持续经营和内控是否存在风险。
看起来就很专业！完全就是数据导向！！

所有的风险，都不是轻飘飘一句话，而是直接列出了：
异常数据＋报告页码＋计算过程＋潜在影响＋待补材料＋可能面对的监管问询。
比如发现收入增长明显快于现金流，它就继续追查应收账款、客户集中度和期后回款；
发现利润大幅增长，它会拆解到底来自主营业务，还是补助、投资收益和资产处置；
发现关联交易占比较高，它还会进一步追问交易必要性、定价公允性以及公司是否具备独立经营能力。

至于“未来两年能否上市”，它还很严谨的给了一套条件判断：
哪些财务指标具备基础；
哪些问题必须整改；
哪些风险可能影响进度；
如果目标是两年内上市，未来应该完成什么。

我虽然不是业务口的，但确实很多问题都直戳痛处，看完最后的报告，我都想把它打印出来丢到老板桌上！！
所以，Claude和GPT这种旗舰模型真不能通吃，一些细分专业领域还是考不上，
通用模型有通用模型的好，垂直模型有垂直模型的妙。

我觉得这种金融模型主要适合几类人：
1、专业方向：需要大量读年报的投研人员，以及经常核对报表更新模型的财务/审计人员。
2、学习方向：对金融、投融资有兴趣的，可辅助学习。
3、企业团队：正在准备融资、尽调和上市的企业团队。
4、开发方向：想要开发金融场景工具的开发者。
5、像我这样：想知道公司到底怎么样，有没有画饼！

[实践哥 Li @MinLiBuilds]

卧槽，我好像终于看懂，后训练到底训练了什么。

把Ling基模和后训练的金融 Fin 版左右同时跑了一遍。

最后出了个很离谱的结果：

同一个底座，经过后训练，居然表现出两种思考模式和工作习惯

1/n 👇

[Scarred @Scarred_zz]

@duange6099 Ling-3.0-flash-Fin does a really good and clean job

[程序员端哥 @duange6099]

以前在 360 工作过，也一直持有一点 360 的股票。

所以看到最新一季报后，我还是挺想认真研究一下：这次扭亏，到底是业务变好了，还是费用降下来了？

刚好最近在体验 Ling-3.0-flash-Fin，就把整份财报直接丢给它做了次测试。

它不只是把财报摘要了一遍，而是顺着营收、毛利率、销售费用、研发费用和经营现金流一路拆下来，把数据来源和计算过程也列得比较清楚。

这也是 Ling-3.0-flash-Fin 比较打动我的地方：它不是只
针对某一道金融问答给出答案，而是把信息检索、研究推
理、计算和结果交付串成一条完整的工作流。面对财报、
工作簿和多份研究材料，它会尽量优先寻找可信的一手信
息，核对数据口径，再调用工具完成计算，让结论能够回
到原始材料中复核。

它延续了 Ling-3.0-flash 的长上下文能力，在金融语料
训练和工具使用上做了专门增强，同时采用 124B 总参
数、5.1B 激活参数的架构，兼顾专业能力和运行效率。
再加上开放模型路线，对金融机构、研究团队和开发者来
说，也更方便进一步部署和二次开发。

最后的判断是：360 一季度确实扭亏了，但利润改善更
多来自费用下降；收入和现金流也在改善，不过现在还不
能太早下结论。

因为我既是前员工，又是股东，看这家公司多少会带点感
情色彩。让模型帮我把数据重新梳理一遍，反而能提醒自
己：熟悉一家公司，不等于真的看懂了它的财报。

分析结论十分透彻 还带有隐患提示

大家也可以找一家自己熟悉的公司，把财报扔给 Ling-
3.0-flash-Fin 试试。现在可以直接在 OpenRouter 上体验：

https://t.co/Xli8RESKnv

看看它给出的结论，和你的判断是不是一样。
以上只是模型测试，不构成任何投资建议。

[Scarred @Scarred_zz]

@ModengSir Haven't really heard of financial models, this is totally different and exciting.