让 AI 算期权价格，危险的不只是程序报错，更是代码能跑、结果却悄悄算错。社区开发者 coslinedev 因此发布 FinCode-Reasoning-3B：一个基于 Qwen2.5-3B-Instruct 微调的开源小模型，专门生成金融计算 Python 代码。微调就是拿特定领域样本继续训练模型，让它更常按目标方式作答。项目覆盖 Black–Scholes 期权定价、双倍余额递减折旧、利息税盾和 WACC 等计算，并以 Apache 2.0 许可发布。
最值得看的不是“3B”有多轻，而是训练数据怎么过关。作者称，FinCode-Reasoning-v1 中全部 Python 脚本都在沙箱——隔离的代码运行环境——里执行，并通过单元测试，即用预设输入、输出和边界条件自动验算。Black–Scholes 公式成熟，正适合检查符号、参数和极端情况。但这里的“100% verified”只针对训练样本，不代表模型面对新问题也会次次正确；帖子也未披露独立基准或错误率。它更像一条实用底线：交易场景里的 LLM，答案不能只像回事，还要能运行、能复算、能被测试拦错。