研究与基准测试/2026-09-04/6 分钟候选题只留下 9.78%：蚂蚁公开 FinFIRST 的六道质检FinFIRST V1 最终采用率 9.78%。123 道题拆成 701 个原子项。Strict Pass 要求全部原子项通过。正文写明的模型分只有信源核验 82.45%，其余总分在图里。
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。
