Mint-Agent：引入 Finance-Native 代理基础模型

金融智能体要做的不仅仅是回忆领域知识：他们必须既可靠，根据有根据的证据执行精确的操作，又必须执行，持续进行长期研究，其结论仍然是可审计的。我们推出 Mint-Agent，这是围绕这两个金融智能尺度设计的一系列金融原生代理模型。 Mint-Agent 建立在三个支柱之上：数据、工具和算法。我们的数据引擎为原子金融能力和现实世界金融来源的长期代理执行构建了干净、专门的任务。 MintHarness 能够与开放式环境进行稳定交互，并在扩展的研究轨迹中维护可审计的证据跟踪。我们的训练方案结合了 SFT、关键步骤 OPD 和 RLVR，开发独立的金融推理和代理执行专家，然后通过模型合并和多教师 同策略 蒸馏 将其统一为紧凑的通用金融代理。该产品线产生了两个旗舰型号：Mint-Cu (9B) 和 Mint-Ag (27B)。在专业金融基准测试中，我们的模型展示了两个决定性优势：（1）可靠性：Mint-Ag 在 RFC-Bench 上达到 98.33%，超过 GPT-5.6-Sol 和 Claude-Opus-4.8 3.66 和 3.00 分； (2) 可执行性：Mint-Cu 在 FinSearchComp T2 上达到 69.86%，比 Agents-A1-35B 和 Nex-N2-mini 高 22.83 分和 12.78 分，而 Mint-Ag 在 FinanceAgentBench v1.1 和 v2 上分别达到 76.00% 和 60.49%。这些结果建立了一条通往值得信赖的金融情报的道路，其中领域专业知识、长期执行和可审计证据被共同设计，作为前沿代理模型的统一基础。