用AI模型核查刚上市市值超3000亿的宇树科技业绩

1/2) 宇树刚上市，市值达 3000 多亿，王兴兴为啥没有一张照片是笑的？ 是表情管理太强，还是宇树的业绩藏着水分？ 为了扒出真相，我派出了 AI 分析师去“查账” 👇

我用的核查组合是：PI Agent ➕ Ling-3.0-flash-Fin 「蚂蚁百灵」刚发布的这个金融开放模型，简直是为扒财报量身定制的：

👉 PI Agent：负责当“手脚”，调用搜索、网页和 Python，跑长链路核验和计算。

👉 Ling-3.0-flash-Fin：它负责充当金融研究的“大脑”，是一款专为增强现实世界金融工作流程而打造的模型。模型总参数量达 1240 亿，采用 MoE 架构，每次推理激活 51 亿参数，并支持 256K 上下文窗口。

核查结果如何呢？👇 我给它布置了硬核任务： 「调研宇树科技 2023—2025 年人形机器人商业化进展」

实测下来，它的材料纪律性极其专业：

✅ 一级来源：只认官方澄清、申报稿和注册稿。

✅ 二级来源：新闻资讯只当线索，绝不盲目采信。

绝不是市面上那种随便扒两篇新闻，凑个「5500台」就敢出报告的水平。

更可怕的是它的交叉验证和逻辑推理能力。

它把产量、出货量、销量、订单量全部拆开，还把总收入除以销量，把均价（59.34、26.04、16.64）精准验算了一遍。

面对【6500台下线 vs 5716台产量】这种口径对不上的数据，它选择保留疑点“不硬圆谎”。这才是真分析师该有的素养。

下方的图片，是 6 页 PDF 报告的第一页。完整实测过程见下方视频。

2/2) 上面的实测说明，Ling-3.0-flash-Fin，完全可以告别多任务割裂，让「信息 ➕ 证据 ➕ 计算 ➕ 判断 ➕ 交付」在同一个工作流中一次搞定！

🎯 下面是它的核心能力与实战成绩：

👉 信息检索：精准定位权威信源

👉 研究推理：严密推导逻辑链条

👉 估值建模：攻克长程复杂计算

👉 研报撰写：一键打通最终交付

🏆 在蚂蚁与中金联合打造的 FinFIRST 等多项顶级金融基准测试中，专业竞争力强势领跑通用大模型。

如果你也想用它做金融研究、数据分析，限时福利来了：

🎁 Ling-3.0-flash-Fin 已在OpenRouter 开启为期一个月的限时免费 API 调用。

体验入口：

Ling-3.0-flash-Fin 已经正式开源

凭借开放权重，团队可以私密部署它，将其连接到搜索引擎、Python、数据库和电子表格，并根据自己的金融工作流程进行调整。

Hugging Face：

ModelScope：