一次发布，三条线
9 月 10 日，在 2026 Inclusion·外滩大会的金融智能体相关论坛上，由界面财联社与阶跃星辰联合孵化的金融垂类模型公司财跃星辰，一次性落地了三项布局：发布金融智能体产品矩阵；与中泰证券共建多智能体投研平台星璇智能体平台；联合上海交通大学开源金融推理模型 Alpha-R1。
把三项放在一起看，它不是三条互不相干的新闻，而是一家垂类公司对怎么把模型能力卖进金融机构这个问题的三种回答。
产品矩阵：面向三种不同的使用者
产品矩阵覆盖三个方向：面向个人用户的智能资讯助手、面向场景的智能工具，以及面向金融机构的投顾展业助手。三个产品的使用者不同，交付形态也不同——个人端要的是入口与体验，机构端要的是能嵌进既有展业流程。
这个分层本身值得注意。垂类金融模型公司的常见困境是：模型能力说得出，但缺少直接触达使用者的场景。把产品拆成个人端与机构端两条腿，等于同时押注自有入口与客户系统内嵌两种路径，两者的获客成本与留存逻辑完全不同。
星璇：把能力嵌进客户的工作流
与中泰证券共建的星璇智能体平台，是三条线里最贴近企业落地的一条。按公开介绍，它的做法是把财跃星辰的垂类能力嵌入中泰证券的投研工作流，并通过 Skill Hub 技能库对接整合中泰现有的投研工具系统。双方的合作围绕技术攻关、场景落地、成果转化、人才联合培养四个维度展开。
这里的结构很有意思：模型方提供能力，券商提供工作流与工具系统，技能库充当两者之间的适配层。相比直接卖接口，这种做法的好处是能力嵌进了真实流程，用户不需要改变工作习惯；代价是交付周期更长，且深度绑定单一客户的流程细节。
Skill Hub 的设计也值得单独看。投研工作流的难点往往不在模型，而在于研究员的判断分散在若干个既有工具里：数据终端、内部数据库、研报系统、会议纪要。技能库要做的，是把这些分散的工具整合成智能体可调用的能力。这件事做得成不成，取决于接口的标准化程度，而不取决于模型强弱。
开源模型：用来建立信任的那条线
第三条线是联合高校开源金融推理模型。对一家服务金融机构的公司来说，开源模型承担的任务与产品线不同，它更像是一种信任建立与人才招募的机制。金融机构对模型行为的可解释性与可控性有额外要求，公开权重与推理过程，是回应这类要求的一种方式。
但开源也有它的边界。开源的是模型，不是整套交付能力；金融机构真正需要的是模型加场景加合规加运维的组合，开源模型只解决了其中一环。把它当成获客的前置动作来理解，比当成商业模式更贴近现实。
几个需要继续观察的点
其一，三条线的资源分配。产品矩阵要铺市场，共建平台要投交付，开源要投研发，三条线对团队的要求差异很大。公开材料没有说明三者的优先级与投入比例，因此很难判断哪一条是主线。
其二，共建模式的复制性。与单一券商深度共建，能拿到真实的流程与反馈，但每进一家客户都要重做一遍适配。这套模式能否从一家复制到多家，取决于技能库与工具适配层的抽象程度。如果抽象得好，第二家客户的边际成本会显著下降；如果不好，它就会退化成项目制交付。
其三，能力边界的披露。星璇平台里智能体承担的是检索与整理，还是判断与建议，两者对应的合规要求完全不同。投研场景涉及投资建议，责任归属敏感，因此智能体的自主范围、审批节点与输出留痕，是判断这套平台成熟度的关键。公开材料没有展开这部分。
其四，开源模型的评测口径。金融推理能力如何衡量，目前行业内还没有统一的公开基准。在缺少可比口径的情况下，模型能力的宣称更适合作方向性参考。
其五，商业模式的验证周期。垂类金融 AI 的客户是机构，采购周期长、合规审查重。三项布局目前都处在早期阶段，营收结构、客户数量与续约情况尚未披露。目前官方及行业暂未披露更多细节，后续将持续跟进迭代动态。