大模型竞赛的焦点，正从“理解文本”延伸到“预测未来”。2026 年 8 月 20 日，蚂蚁国际（Ant International）正式发布自研时序预测大模型「鹰序TST」（FalconTST，Time-Series Transformer）2.0 版本。与时序无关的大语言模型不同，TST 专注于时间序列预测，专为跨境支付、外汇风险管理等金融场景打造，并计划拓展至电商供应链、航空运营等更多行业。这类面向金融的专用 AI 模型，正成为机构风险管理的新型基础设施。蚂蚁国际鹰序TST 2.0
一、登顶全球基准：MASE 0.666，准确率超93%
鹰序TST 2.0 在全球权威时序预测基准测试中取得 SOTA（最优）成绩，平均绝对比例误差（MASE）降至 0.666，超越多家全球顶尖科技公司的时间序列预测模型，预测准确率稳定超过 93%。对一家全球化支付机构而言，交易金额、账户余额、清算流水与货币头寸等数据持续变化，预测精度直接决定资本配置效率——TST 的价值不止于“算得更准”，更在于精准预判资金需求的时间、规模与币种。
二、顶级银行已采用：外汇对冲与现金流预测
目前，巴克莱银行已将鹰序TST 整合进外汇对冲平台 BARX NetFX，花旗银行将其与固定汇率解决方案结合，渣打银行则接入 SCALE FX 系统并参与新加坡金管局 PathFin.ai 计划，德意志银行亦将其用于外汇运营。这些机构借助模型提升现金流预测与外汇流动性管理能力，用更精准的敞口预判优化套期保值策略，避免过度或不足对冲带来的收益侵蚀与汇率风险。以航空业为例，多币种收支下的精准预测尤为关键。
三、从单一金融工具到可复用预测能力
鹰序TST 最初部署于蚂蚁国际内部，支持小时级、日级、周级的现金流与外汇敞口管理。2.0 版本通过 ORBIT 技术学习金融、零售、能源、旅游等行业的通用时间规律，并引入可区分“缺失数据”与“真实零值”的高级缺失处理机制。其目标不止服务金融：航空业多币种收支、电商高频现金流都是典型场景。若想查看模型接入方式与完整技术细节，可前往工具站阅读鹰序TST 2.0 的详细介绍。 蚂蚁国际鹰序TST 2.0。
