

> **导语**
> 面对金融行业对数据准确性的苛刻要求，腾讯近日开源了评测工具 finLLM-Eval。该工具首创“无 GroundTruth”评测法，利用 AI Agent 自动进行逻辑与事实核验，准确率高达 96%，为大模型在金融领域的安全落地提供了关键的一把“标尺”。

## 填补金融评测的真空

在容错率极低的金融领域，大模型的“幻觉”问题一直是阻碍其大规模应用的核心痛点。腾讯推出的 finLLM-Eval 正是为了解决这一行业难题。作为行业内首个专门针对金融场景设计的评测工具，它不仅填补了市场空白，更为高风险场景下的 AI 应用建立了一套标准化的质量控制体系。

finLLM-Eval 的核心优势在于其高度的专业性。它包含逻辑一致性与事实准确性等多个评测模块，能够自动化输出包括千字幻觉率、错误点分布在内的详尽报告。这使得金融机构在部署大模型前，能够对其风险边界有一个清晰、量化的认知。

![Google_AI_Studio_2026-01-20T04_01_26.414Z.png](https://static.downly.cn/images/3b7ab767eaf2c755b8e3b95be2fd88f4.png)<center>图源备注：图片由AI生成</center>

## 告别繁琐人工 AgentAsJudger登场

finLLM-Eval 最大的技术突破在于引入了“AgentAsJudger”自动化评测机制。传统的金融数据评测往往依赖大量昂贵且低效的人工标注（GroundTruth），而腾讯的方案通过智能提取金融事实三要素——“标的 × 时间 × 指标”，实现了评测流程的自动化。

在这个系统中，AI Agent 扮演了裁判员的角色。它能自动提取事实点与逻辑链，并直接与内部金融数据库或相关上下文进行比对验证。实验数据显示，这一自动化流程的准确率已超过 96%。这不仅大幅降低了评测成本，更保证了评测结果的客观性与一致性。未来，随着对非金融指标核验能力的拓展，该工具工具有望成为金融科技基础设施的重要组成部分。
![Google_AI_Studio_2026-01-20T04_01_31.408Z.png](https://static.downly.cn/images/437d322f3f4c14e40308e661cb824150.png) <center>图源备注：图片由AI生成</center>

腾讯开源 finLLM-Eval 解锁金融AI评测新范式


> **导语**
> 中国量化私募领军者九坤投资跨界发布 IQuest-Coder-V1 模型，凭借独特的“代码流多阶段训练”策略，在 SWE-Bench 榜单上超越 GPT-5.2 等国际顶流，展现了金融算法团队在通用 AI 领域的惊人爆发力。

## 金融战队逆袭 性能霸榜

科技圈的焦点近日被一家非典型 AI 公司抢占——专注量化交易的九坤投资推出了自研大模型 IQuest-Coder-V1。该系列模型在权威的 SWE-Bench Verified 榜单上大放异彩，其 40B 参数版本以 81.4% 的通过率，将 Claude Opus-4.5 和 GPT-5.2 甩在身后。

IQuest-Coder 系列提供了 7B、14B 和 40B 三种规格，精准覆盖了从轻量级代码生成到复杂软件工程的各类需求。值得一提的是，该模型对硬件极其友好，单张消费级 4090 显卡即可流畅运行，大大降低了开发者的部署门槛。

![Google_AI_Studio_2026-01-05T02_56_04.982Z.png](https://static.downly.cn/images/6029d9f0202270df5833d793848d7bb7.png)
 <center>图源备注：图片由AI生成</center>

## 动态训练逻辑 捕捉演变过程

IQuest-Coder 的成功并非依靠单纯的参数堆叠，而是源于方法论的创新。团队摒弃了传统的静态代码训练模式，转而采用“代码流多阶段训练”。

这种方法让模型模拟代码从雏形到成熟的演变过程，使其能够理解软件逻辑的动态变化。在官方演示中，无论是构建复杂的粒子文本动画，还是开发实时像素沙盒游戏，该模型都展现出了超越同类产品的逻辑连贯性。这种从量化策略中迁移而来的“动态捕捉”思维，为代码大模型的研究提供了全新视角。

![Google_AI_Studio_2026-01-05T02_55_58.791Z.png](https://static.downly.cn/images/56df275174ba8067057a3d3dd134c332.png)
 <center>图源备注：图片由AI生成</center>

## 跨界启示录 算法的通用性

九坤投资自 2012 年成立以来，一直是中国量化领域的隐形冠军。此次跨界成功，引发了行业对于“人才密度”与“算法通用性”的深度讨论。

虽然官方谨慎提示目前生成的代码仍需沙盒验证，但 IQuest-Coder 的出现证明了顶级算法团队在不同领域间的降维打击能力。这不仅是中国 AI 技术的一次重要突围，也预示着未来 AI 赛道的竞争者可能来自任何一个数据密集型行业。

搜索结果: 金融科技