Samaya AI 发布 Sterling：3B 激活参数金融研究智能体模型
Samaya AI 发布 Sterling，一个基于 NVIDIA Nemotron 3.5 Lightning 后训练的金融研究智能体模型，总参数 30B、激活参数 3B。据 Samaya 自报，其在自建 FrontierFinance 基准上得分 58.9%，高于 Claude Fable 5.1 的 55.9%，单题成本 0.61 美元对 6.89 美元。
核心事实
Samaya AI 发布 Samaya Sterling，一款面向智能体式金融研究的后训练模型。据 MarkTechPost 报道，Sterling 基于 NVIDIA 的 Nemotron 3.5 Lightning，后者是总参数 30B、激活参数 3B 的混合专家（MoE）模型。Sterling 通过 LoRA 后训练得到，工作方式是先规划研究、调用金融工具、收集证据，再交由独立的报告撰写模块输出结论。
据 Samaya 自报，在自建基准 FrontierFinance 上，Sterling 得分 58.9%，Claude Fable 5.1 为 55.9%；高投入模式下 Sterling 可达 60.6%。单题成本方面，Sterling 为 0.61 美元，Fable 5.1 为 6.89 美元，Samaya 据此称成本低约 11 倍。单题耗时分别为 282 秒与 268 秒。
背景与影响
报道称，Sterling 的训练在 Thinking Machines Lab 的 Tinker 训练 API 上完成，共四个阶段：基于合成轨迹的 SFT、基于 8 种策略最优答案的 SFT、离线 GRPO 与在线 GRPO。Samaya 团队同时改造了生产环境的金融 harness，精简系统提示与工具描述、合并工具，并引入压缩长工具结果的 condenser 与总结轨迹的 compactor，还设置了研究预算上限。报道认为，这一案例说明小模型与配套 harness 联合训练，可在垂直领域取得竞争力。
限制与来源
上述成绩与成本均为 Samaya 自报，且基于其自有基准 FrontierFinance（220 道公开查询、专家撰写评分标准、三模型评审团），尚未获独立第三方确认。Sterling 的对外服务上下文长度、部署硬件与 token 定价均未披露；报道称目前没有公开 Sterling 权重或公开 API，仅基础模型 Nemotron 3.5 Lightning 以开放权重形式提供。相关能力、可用范围与价格请以 Samaya 官网当前信息为准。本文来源为 MarkTechPost。