研究人员推出了 Mint-Agent，这是一系列金融原生智能体模型，旨在将可靠执行与长周期研究能力相结合。该系统建立在三大支柱之上：用于专门任务的数据引擎、用于可审计证据链的 MintHarness 环境，以及结合 SFT、OPD 和 RLVR 的训练配方。

  • 发布了两款旗舰模型：Mint-Cu (9B) 和 Mint-Ag (27B)。
  • Mint-Ag 在 RFC-Bench 上取得 98.33% 的成绩，超越了 GPT-5.6-Sol 和 Claude-Opus-4.8。
  • Mint-Cu 在 FinSearchComp T2 上达到 69.86%，优于 Agents-A1-35B 和 Nex-N2-mini。
  • Mint-Ag 在 FinanceAgentBench v1.1 和 v2 上分别取得 76.00% 和 60.49% 的分数。

这些结果通过协同工程化领域专业知识、长周期执行和可审计证据，为建立可信的金融智能铺平了道路。