金融大模型
独立图谱

中文金融预训练模型与 300GB BBT-FinCorpus、BBT-CFLEB 一体发布，是金融 LLM 浪潮前的重要开放基线。

在 363B 金融 token 与 345B 通用 token 上训练的 50B 模型；代表“专有金融语料 + 通用语料”路线，但模型权重和训练数据未开放。

千亿级中文金融对话模型，以 hybrid-tuning 联合通用与金融数据；权重可申请访问，但许可限制商业使用。

PIXIU 框架中的金融指令模型，使用约 136K 指令样本覆盖多类金融任务，并与统一 benchmark 和数据资源配套。

开源金融 LLM 生态而非单一固定模型，包含自动化数据管线、指令数据、LoRA 权重、RAG 与量化交易实验。

中文金融助手框架：CFData 含 141B 预训练 token 与 1.5M 指令对，CFLLM 采用两阶段领域适配，并配套应用框架。

用少量人工策划的投资指令数据对 LLaMA-65B 做 LoRA 微调，覆盖 CFA、SEC filings 与 Quant Finance 等专业场景。

使用约 246K DISC-FIN-SFT 数据，通过多专家适配提升中文金融对话、任务处理、计算和检索增强能力。

面向金融多模态分析的模型家族，联合领域预训练、指令微调与偏好优化，并将工具和检索纳入模型方案。

Open-FinLLMs 家族：FinLLaMA 用 52B 金融 token 继续训练，FinLLaMA-instruct 用 573K 指令微调，FinLLaVA 再用 1.43M 图文指令扩展多模态。

面向金融机构长文档理解与分析的 70B/32K 开放权重模型；Writer 另提供 128K 商业 API 版本，两者应按版本分别报告。

面向金融复杂推理的 7B 模型，使用金融推理数据进行监督微调与强化学习，强调可验证的多步推理能力。

将 CFLUE、FinQA 与专有 CCC 合规语料组织为推理监督数据，再以格式与答案双奖励的 GRPO 强化；公开 7B 和 32B 权重。