Samaya AI 发布金融研究智能体模型 Sterling：3B 激活参数，FrontierFinance 得分 58.9%

MarkTechPost· Asif Razzaq·2026-10-30 15:26· 2 小时前AI 评分45

Samaya AI 发布 Sterling：一个 3B 激活参数的金融研究智能体模型，在 FrontierFinance 上以 11 倍更低的成本击败 Claude Fable 5.1

AI 导读

Samaya AI 发布金融研究智能体模型 Sterling，基于 NVIDIA Nemotron 3.5 Lightning（30B MoE、3B 激活参数）经 LoRA 后训练而成，在自建 FrontierFinance 基准上得分 58.9%，高于 Claude Fable 5.1 的 55.9%。

正文 · 原文

Samaya AI 发布了 Samaya Sterling，这是一个面向智能体金融研究的后训练模型。Sterling 构建于 NVIDIA 的 Nemotron 3.5 Lightning 之上，后者是一个 30B 混合专家模型，激活参数为 3B。在 Samaya 的 FrontierFinance 基准上，它得分 58.9%。Claude Fable 5.1 得分 55.9%。Sterling 每道题的成本为 0.61 美元，而 Fable 5.1 为 6.89 美元。对开发者而言，可借鉴的要点是一套具体配方：将小模型与其运行框架协同训练，它就能在狭窄领域取胜。

TL;DR

规模：总计 30B，激活 3B（MoE）。基础模型上下文：最高 1M tokens。Sterling 的推理上下文：未披露。
运行环境：基础模型在 BF16（256K 上下文）下可装入单张 H100 80GB。Sterling 的推理硬件：未披露。
性能：在 FrontierFinance 排行榜上，以每美元质量计击败所有高质量系统（自报数据）。
最佳：FrontierFinance 上 58.9%（高投入模式下 60.6%），而 Claude Fable 5.1 为 55.9%。
最差：在 FrontierFinance 最难的三分之一问题上为 45.2%。

什么是 Samaya Sterling？

Samaya Sterling 是 Nemotron 3.5 Lightning 经 LoRA 后训练的版本，被调校为金融研究智能体。它规划研究、调用金融工具、收集证据，并将发现交给独立的报告撰写器。根据 Maithra Raghu 的 X 公告，它最初是一个由 2 人开展的项目，聚焦智能体编排效率。

运行框架如何支持 3B 激活参数的模型？

Samaya 团队将其生产级金融运行框架适配到小模型上。系统提示和工具描述中的详细指引被移除。工具被合并以缩短提示。两个辅助模型负责管理上下文。一个压缩器缩短冗长的工具结果。一个整理器在轨迹增长时对其进行摘要。研究预算限制智能体的工作时长。之后，报告撰写器根据已找到的内容作答。

Sterling 是如何训练的？

训练使用 LoRA，在 Tinker（Thinking Machines Lab 的训练 API）上进行。训练分 4 个阶段：

基于合成轨迹的 SFT：Samaya 生成了 968 个合成分析师问题。教师模型 Kimi K3 对每个问题回答两次，由 LLM 评判器选出更好的答案。模型学会了以有效参数调用 37 个工具。
基于 8 种策略中最优结果的 SFT：Kimi K3 使用 8 种研究策略回答了 1,819 个专家编写的问题。每个问题评分最高的答案成为训练数据。8 选 1 满足了 80% 的关键评分项，而单一最佳策略约为 66%。经过筛选后，剩余 1,157 个问题。
离线 GRPO：GRPO 将全部 8 个教师答案相互评分。无需新的生成，因此每一步成本都很低。
在线 GRPO：模型对每个问题回答 8 次，并从评分后的尝试中学习。截断重要性采样纠正了已知的 MoE 采样器不匹配问题。

Sterling 在 FrontierFinance 上的得分如何？

FrontierFinance 有 220 条公开查询，按专家撰写的评分标准打分。评分器使用由 3 个模型组成的评审团。Samaya 团队表示训练中未使用任何基准问题。检查点是在 100 个内部验证问题上选出的。

Sterling 得分为 58.9%，每题成本 $0.61、耗时 282 秒。Fable 5.1 得分为 55.9%，每题成本 $6.89、耗时 268 秒。Samaya 自家的高投入系统得分低 2.9 分，成本为 $1.81。

每个阶段都提升了质量：42.5%（基础）、51.4%、54.8%、57.5%，然后是 58.9%。工具调用中位数从 3 次升至 17 次。在高投入模式下，Sterling 达到 60.6%，成本 $1.83、耗时 372 秒。在最难的三分之一题目上，它从 31.8% 升至 45.2%。

模型本身每题成本 $0.04。工具和辅助模型构成了 $0.61 的其余部分。

Sterling 对比如何？

特性	Samaya Sterling	Claude Fable 5.1	Samaya System，高投入	Nemotron 3.5 Lightning 基础版
总参数 / 激活参数	30B / 3B	未披露	未披露	30B / 3B
上下文	未披露	1M	未披露	最高 1M
许可证 / 访问方式	未公布公开权重或 API	专有 API	Samaya 平台	OpenMDW-1.1，开放权重
FrontierFinance 得分	58.9%（高投入 60.6%）	55.9%	56.0%（58.9 减 2.9 个百分点）	42.5%
每题成本	$0.61（高投入 $1.83）	$6.89	$1.81	未披露
每题延迟	282 秒（高投入 372 秒）	268 秒	278 秒	未披露
Token 定价	未披露	每百万 Token $10 / $50	未披露	未披露

所有列的 FrontierFinance 数据均来自 Samaya 博客，为自报数据。

关键要点

Sterling 在 FrontierFinance 上得分为 58.9%，比 Claude Fable 5.1 高 3.0 分。
每题成本降低 11 倍：$0.61 对 $6.89。
3B 激活参数，使用 2 个 SFT 和 2 个 GRPO 阶段训练。
Harness 与模型协同训练推动了这些提升。
所有结果均为在 Samaya 自有基准上的自报数据。

查看技术博客、FrontierFinance 基准、 数据集 和 评分器仓库。另外，欢迎在 Twitter 上关注我们，别忘了加入我们的 150k+ 机器学习 SubReddit 并订阅 我们的新闻通讯。等等！你在 Telegram 上吗？ 现在你也可以在 Telegram 上加入我们。

需要与我们合作推广你的 GitHub 仓库、Hugging Face 页面、产品发布或网络研讨会等？ 联系我们

文章 Samaya AI 发布 Sterling：一个 3B 激活参数的金融研究智能体模型，在 FrontierFinance 上以低 11 倍成本击败 Claude Fable 5.1 首次出现在 MarkTechPost。

来源：MarkTechPost · marktechpost.com