据 MarkTechPost 等媒体 2026 年 10 月 30 日报道，Samaya AI 发布金融研究智能体模型 Samaya Sterling：它在 NVIDIA Nemotron 3.5 Lightning 基础上做后训练，总参数 300 亿、每次仅激活约 30 亿，在厂商自建的 FrontierFinance 基准上以 58.9% 的 rubric 满足率略高于 Claude Fable 5.1 的 55.9%，而每问成本约为后者的十一分之一。 这个案例的看点不在"小模型碾压大模型"，而在一条可复现的工程路径：让小模型与它的运行环境协同训练，在金融这样的窄领域里逼近甚至超过通用前沿模型。

发生了什么

Samaya AI 是一家做金融研究智能体的公司，2026 年 7 月已公开自建的 FrontierFinance 基准。这次的 Sterling 定位为"智能体式金融研究"，会自己规划步骤、调用工具、收集证据，再交给独立报告撰写器成稿。

据报道，Sterling 在 FrontierFinance 的 220 道公开题上得分 58.9%，对照的 Claude Fable 5.1 为 55.9%；每问综合成本约 0.61 美元，而 Fable 5.1 约 6.89 美元。这些数字均由 Samaya 自行公布，基准与评分器也来自该公司，目前 Sterling 尚未公开权重或 API。

关键概念

  • 混合专家模型（Mixture of Experts，MoE）： 模型内部含多个"专家"子网络，每次推理只激活一部分，从而在总参数很大的同时把计算量控制在较小的激活规模上。
  • 激活参数（Active Parameters）： 每次前向计算真正参与运算的参数量。Sterling 总参数约 300 亿、激活约 30 亿，推理成本更接近 30 亿参数的稠密模型。
  • LoRA（Low-Rank Adaptation，低秩适配）： 一种参数高效的微调方法，只在原模型旁训练一小部分低秩矩阵，不必改动全部权重，成本较低。
  • 智能体运行环境（Harness）： 包裹在模型外的整套系统，包括系统提示、工具、上下文管理、预算和结果汇总，决定模型"能用什么、怎么用"。
  • Rubric 满足率： 按专家预先写好的评分细则逐项打分，看答案满足了多少条，而非只看笼统对错。
  • SFT 与 GRPO： SFT（监督微调）用带标准答案的样本教模型；GRPO（组相对策略优化）是强化学习方法，让模型对同一题生成多个答案、按相对好坏自我改进。

技术解读：小模型如何靠"协同训练"补上能力差距

其一，分四阶段的训练流程。 据报道，先用合成轨迹做监督微调：教师模型 Kimi K3 对 968 个分析师式问题作答，让模型学会调用 37 个工具；第二阶段用专家编写的问题、保留教师多种研究策略中得分最高的答案。随后是离线与在线 GRPO：前者对教师已有的多组答案相互比较，后者让模型一题答多次、从被评分的尝试中学习。各阶段得分依次为 42.5%、51.4%、54.8%、57.5%、58.9%，工具调用中位数从每次 3 次升到 17 次。

其二，为小模型改造运行环境。 小模型上下文承载有限，Samaya 删掉系统提示和工具描述里的冗长说明、合并工具以缩短提示，并用两个辅助模型管理上下文：一个压缩过长的工具返回，一个在轨迹变长时做摘要。系统还设置研究预算，时限一到就由报告撰写器基于已有证据作答。

其三，成本结构被显式拆开。 每问 0.61 美元里模型本身只占约 0.04 美元，其余来自工具调用和辅助模型；决定智能体账单的往往不是模型多大，而是工具调用、外部检索和上下文管理。

局限和风险

  • 基准自建、结果自报。 题目、评分器和对照设置都来自 Samaya，厂商称未把基准题用于训练，但外部无法独立验证；换一个第三方基准，排名可能变化。
  • 窄领域优势不等于通用能力。 脱离金融研究场景，小模型的通用推理和知识广度通常仍弱于更大的前沿模型。
  • 成本与延迟需一起看。 每问约 282 秒，与对照模型接近，成本优势来自激活参数与工程优化而非更快；最难的三分之一题目上得分只有 45.2%。
  • 尚未开放使用。 没有公开权重或 API，外部暂时无法复现这些数字。

AI Quant 的做法

AI Quant 处理新闻、财报和政策文本时，同样让模型能力与外部工具、数据接口和上下文管理协同设计，并通过模型投票、置信度评估和分层校验降低单个模型出错的影响，这与 Sterling"模型与环境协同训练、在窄领域做深"的思路一致；所有自动结论都要经过系统化风险边界检查，而不是直接进入决策。

常见问题

问：这是不是说明 30 亿参数的小模型已经超过了最强通用模型？

答：不能。它只在 Samaya 自建基准的 220 道题上高 3 个百分点、数据为厂商自报，说明专门优化加协同训练能在窄领域缩小差距，而非通用能力全面领先。

问：为什么工具调用次数从 3 次涨到 17 次反而更好？

答：金融研究需要多步检索、交叉核对证据，评分细则也奖励有证据支撑的回答；但调用越多成本越高，所以系统用研究预算设了上限。

问：LoRA 后训练和从头训练一个模型有什么区别？

答：LoRA 只在原模型旁训练一小部分参数，保留基础模型的能力，同时用较低成本注入金融智能体所需的工具调用和研究习惯，适合在已有开源模型上做领域适配。

问：普通投资者能从这个发布里得到什么？

答：主要是理解行业趋势——金融 AI 的进步越来越依赖工程化的智能体系统，而不仅是模型参数变大。本文讨论的是技术与产品信息，不构成任何投资建议，也不代表相关上市公司的价值判断。

参考来源

  • MarkTechPost，《Samaya AI Releases Sterling: A 3B-Active Finance Research Agent Model that Beats Claude Fable 5.1 on FrontierFinance at 11x Lower Cost》（2026-10-30）：https://www.marktechpost.com/2026/10/30/samaya-sterling-post-trained-finance-research-model-frontierfinance/
  • Samaya AI，《Introducing FrontierFinance》（2026-07-09）：https://samaya.ai/blog/frontier-finance

免责声明：本文仅用于技术与行业信息交流，不构成任何投资建议或收益承诺。文中提及的机构与产品为公开资料案例，与 AI Quant 无任何关联。模型与基准数据为厂商自行公布，未经独立验证，过往结果不代表未来表现。