据量子位报道，蚂蚁国际日前正式发布自研时序AI预测大模型“鹰序TST”（Falcon TST）2.0版。该模型在全球权威基准测试中取得最优成绩，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。目前，巴克莱银行、花旗银行、德意志银行、渣打银行等大型金融机构已将“鹰序TST”2.0应用于现金流预测与外汇管理，以提升流动性风险敞口的预测能力。

“鹰序TST”2.0专为跨境支付外汇风险管理打造，预测准确率已稳定超过93%，具备向物流、航空、电商等金融以外行业拓展的应用能力。据蚂蚁国际介绍，该模型将拓展至电商供应链需求预测、航空运营管理等更多行业场景。

在技术路线上，“鹰序TST”家族由Falcon-2.0和Falcon-X组成。Falcon-2.0于2026年7月开放API，是基于ORBIT训练框架的Encoder-Only单变量模型，可直接输出21个分位点，并通过input_mask显式标记缺失值。Falcon-X于2026年5月26日公开论文，最大公开实验版本为591M参数，将不同物理含义的变量转换为统一隐空间表示，可处理汇率、利率、波动率、商品等异构变量之间的关系，在GIFT-Eval基准上报告MASE为0.687。

据量子位梳理，Falcon的发展路径与典型“先刷公开基准、再寻找行业应用”的时间序列基础模型不同。2025年5月，蚂蚁国际与巴克莱银行合作，将TST模型接入BARX NetFX外汇对冲平台，用于提高外汇敞口预测准确度。7月，花旗银行与蚂蚁国际宣布联合试点，将Falcon TST与固定汇率解决方案结合，面向跨币种线上售票的航空公司客户，试点客户对冲成本节省约30%。8月，渣打银行把Falcon TST接入SCALE聚合流动性引擎，实现实时24小时外汇敞口预测，并披露该模型当时已覆盖蚂蚁国际超过60%的涉及外汇转换交易，相关外汇成本最高下降60%、流动性管理成本最高下降50%。上述降本数据属于合作双方披露的业务口径。2025年10月，Falcon-1.0在Hugging Face正式开放。

2025年以来，Amazon Chronos-2、Google TimesFM 2.5等模型相继发布，将多变量、长上下文、概率预测等能力推向前台。金融市场的低信噪比、机制切换等特征，使得通用榜单优势难以直接转化为稳定的金融预测收益。蚂蚁国际的Falcon TST 2.0是“通用时序基础能力+金融流程验证”的专用化尝试。