中関村フォーラムで、アント・デジタル・テクノロジー（蚂蚁数科）は、軽量型の金融専用モデルLing-DT-Fin-Mini-2.5を発表しました。これはLing DTシリーズの大規模モデルの最初のモデルです。紹介によれば、Ling DT Fin Mini 2.5は軽量級のMoEモデルであり、Ling 2.5の最新の混合線形アテンション（混合線形注意力）アーキテクチャに基づいて、金融領域における高い並行性・低遅延のタスクシーン向けに最適化されています。専門性と深さを維持しつつ、推論コストを、規模化して導入できる水準まで圧縮できます。業界の主流で同等能力の汎用モデルと比べて、推論速度は100%速く、同じタスク量を処理するためのハードウェアコストは大幅に低下しており、金融機関にも確かなコスト削減と業務効率化の価値をもたらします。
蚂蚁数科中关村论坛発言：Tokenの効果は企業向けAIの価値を測る核心指標となる
OpenClawを代表とする自律実行型エージェントのブームは、AIアプリケーションが「対話インタラクション」から「タスク実行」へと加速して進化していることを示しています。企業が加速して導入を進める一方で、計算資源の浪費、安全・コンプライアンスといった複数の課題にも直面しています。エージェントが本当に、規模化かつ持続可能な形で導入・定着するにはどうすればよいのか——これが業界で共通して注目される中核的な論点となっています。
3月26日、中関村フォーラムの「未来産業イノベーション開発フォーラム」にて、アント・デジタル・テクノロジー（蚂蚁数科）大規模モデル技術イノベーション部のゼネラルマネージャー、章鵬（章鹏）が講演で、「OpenClawの爆発的な広がりは、企業向けAIのパラダイムに革命をもたらし、大規模モデルの産業シーンでの導入を『パラメータ競争』から『Token効能（Token效能）の競争』へと押し進める」と述べました。
アント・デジタル・テクノロジー（蚂蚁数科）大規模モデル技術イノベーション部のゼネラルマネージャー、章鵬（章鹏）中関村フォーラム講演
OpenClaw型エージェントの急速な普及は、自律実行型エージェントへの需要を反映していますが、実際の産業環境では導入に大きな課題があります。業界ルールや業務プロセスに対する深い理解が欠けているため、エージェントは複雑なタスクを実行する際にツールを何度も呼び出すことが多く、その結果、Token消費は有効なアウトプットを大きく上回ってしまいます。入手した情報によると、高頻度の呼び出しシーンの一部では、OpenClawのToken消費コストは、統合型Agentのコストに対して数十倍、さらには百倍に達することがあります。このような「投入が大きく、産出が低い」モデルでは、産業での規模化されたアプリケーションにおいて持続可能性の難題に直面します。
「大規模モデルの産業導入の後半戦での核心命題は、モデルのパラメータ規模の競争ではなく、単位Token効能の継続的な向上です」と章鵬は考えています。企業は実際のシーンとニーズに基づいて、大きいモデルと小さいモデルを組み合わせるAIソリューションを選び、より低い計算コストでより高いビジネス価値を実現すべきです。
金融シーンを例に挙げると、この領域では毎日、膨大で高頻度、かつ低遅延のタスクを処理する必要があります——意図を素早く識別し、重要情報を抽出し、検索・ランキングを行うなどです。これらのタスクには、高い並行性、即応性、そして高精度が求められます。従来の業界向け推論大規模モデルの能力は強力ですが、これらのシーンでは「鶏を焼くのに牛刀を使う」ようなもので、コストが高く、応答も遅く、リソースが浪費されます。
「産業が本当に必要としているのは、専門性、厳密さ、そしてコンプライアンスを確保したうえで、最適なコストパフォーマンスと応答速度を両立するAIソリューションです」と章鵬は述べました。彼は、大きなパラメータのモデルは複雑な推論や深い分析においてより優れた効果を示し、小さなパラメータのモデルは高頻度の小タスクのシーンではより低い遅延とより高いコストパフォーマンスを備えていると考えています。産業は大きいモデルと小さいモデルを組み合わせたソリューションを必要とし、それによってより効率的かつ低コストで、実際のシーンの問題を解決できるのです。
中関村フォーラムで、アント・デジタル・テクノロジー（蚂蚁数科）は、軽量型の金融専用モデルLing-DT-Fin-Mini-2.5を発表しました。これはLing DTシリーズの大規模モデルの最初のモデルです。紹介によれば、Ling DT Fin Mini 2.5は軽量級のMoEモデルであり、Ling 2.5の最新の混合線形アテンション（混合線形注意力）アーキテクチャに基づいて、金融領域における高い並行性・低遅延のタスクシーン向けに最適化されています。専門性と深さを維持しつつ、推論コストを、規模化して導入できる水準まで圧縮できます。業界の主流で同等能力の汎用モデルと比べて、推論速度は100%速く、同じタスク量を処理するためのハードウェアコストは大幅に低下しており、金融機関にも確かなコスト削減と業務効率化の価値をもたらします。
実際には、AIエージェントが産業の中核シーンへと加速して浸透し、実際のタスクを実行するようになると、大きいモデルと小さいモデルの組み合わせがすでに業界のトレンドになっています。最近、OpenAIは小型モデルのGPT‑5.4 miniとnanoの2種類を相次いでリリースし、低遅延と高いコストパフォーマンスを売りにしており、実行層のサブエージェントの主力として位置づけています。
章鵬は、「技術の発展は最終的に、産業が求める効率という合理的な要求へ回帰するはずです。次の段階の競争では、Token効能が企業向けAIの価値を測る中核指標となるでしょう」と述べました。アント・デジタル・テクノロジー（蚂蚁数科）は企業向けAGIの領域を継続的に深掘りし、さらに「百灵」企業版Ling DT大規模モデルおよびその業界版を追加でリリースすることで、エージェントの企業向け複雑シーンでの規模化した導入を加速させていきます。
大量のニュースと精密な解説は、Sina Finance APPにて