研究与基准测试/2026-08-28/8 分钟通过要全对：蚂蚁给金融 Agent 定了复跑次数和 Strict-PassLing-3.0-flash-Fin 的榜单分大多在图里。正文能核对的是口径：默认 temperature 1、top_p 0.95，FinSearchComp Verified 145 题，Finance Agent 要全部分项都过才算通过，v1.1 跑 10 次、v2 跑 20 次取平均。表格评测超时 3 小时。
研究与基准测试/2026-08-14/8 分钟井字棋只证明闭环：蚂蚁用同一环境复测 Agentic RL蚂蚁用 Ling-3.0-tiny 和 AReno 在 DGX Spark 上跑井字棋 Agentic RL：基线、Reward、GSPO 400 step、同环境复测。rewards_mean 约从 -0.5 到 0.4，response_len 约 850。原文写明这不是通用能力提升。
研究与基准测试/2026-08-11/6 分钟综合指数 25 分：蚂蚁用九方向指数给 1.3B 激活模型定位Ling-3.0-tiny 在 Artificial Analysis Intelligence Index 上是 25 分，比 Gemma-4-26B-A4B 低 1 分。Agentic Index 16 分，GDPval-AA v2 为 772 Elo，τ³-Banking 为 20.80。九项权重和测速机器没有写出。
研究与基准测试/2026-07-24/7 分钟一句需求要生成能用的应用：蚂蚁用 MiniAppBench 卡 Ling-3.0-flashLing-3.0-flash 在 MiniAppBench 上通过率 25.3%，16 个模型平均 17%。评测默认开思考，均分只取大家都能打出分的项目。训练环境一万多个，并用步骤贡献做强化学习。对比图里的分项分没有写进正文。
