Jinling AI

Qu’est-ce que le Jinling AI en ce moment ?

La version chinoise de Jinling AI a indiqué une mise à niveau du service, avec le transfert de toutes les fonctionnalités vers LangAlpha, sous l’égide de Ginlix.

LangAlpha est un agent de recherche financière qui effectue des tâches de recherche et d’analyse à l’aide de données en temps réel, de documents publics et d’exécution de code.

Relation entre la marque et le produit

Recherche financière multi-acteurs

LangAlpha divise les tâches de recherche entre plusieurs agents intelligents spécialisés, avant de regrouper les résultats en analyses vérifiables.

• Gérer en même temps les cours boursiers, les rapports financiers et les informations de sites web.
• Écrire du code et calculer des données dans un sandbox.
• Le plan de recherche est approuvé ou modifié par l’utilisateur.
• Il est possible de continuer à envoyer des instructions de réglage pendant le fonctionnement.
• Pour chaque conclusion importante, il convient de conserver autant que possible la source.
• La décision d’investissement finale reste à la charge de l’utilisateur.

Portée des données financières

• Données en temps réel sur les actions américaines, chinoises et hongkongaises.
• Fondamentaux de l’entreprise et performance du marché.
• Les documents 10-K, 10-Q et 8-K de la SEC.
• Transcription de la conférence téléphonique sur les résultats financiers et positions des institutions.
• Chaîne d’options américaines et cotes intrajournalières.
• La courbe des taux d’intérêt des obligations américaines et les données macroéconomiques.
• Actualités, pages web et informations sur les états émotionnels.

Publication des résultats de la recherche

Les agents peuvent générer des documents de recherche structurés en fonction de tâches, plutôt que de ne retourner qu’une réponse de type chat.

• Générer un mémo de recherche DOCX avec des citations.
• Création de modèles d’évaluation et financiers XLSX.
• Créer une présentation PPTX.
• Mise en page d’un rapport de recherche PDF.
• Créer des graphiques interactifs et des tableaux de bord en temps réel.
• Conserver les scripts de calcul et les historiques d’appel des données.

Zone de travail durable

Chaque objectif de recherche peut donner naissance à un espace de travail indépendant, permettant de conserver des conversations, des fichiers, des notes et un contexte à long terme.

• Classer les éléments par entreprise, secteur ou argument d’investissement.
• Téléchargez des documents de recherche en PDF et Markdown.
• Enregistrer les modèles et les rapports générés par l’agent.
• Le dialogue intermédiaire continue d’utiliser le contexte existant.
• Les différents espaces de travail sont isolés les uns des autres.

Automatisation et déclenchement par prix

L’utilisateur peut planifier des études programmées, ou lancer une tâche complète lorsque les actions ou les indices atteignent un prix cible.

• Créer un bulletin d’information du marché avant l’ouverture.
• Organiser un récapitulatif hebdomadaire des positions.
• Définir les tâches de recherche avant et après la publication des résultats financiers.
• Déclencher l’analyse en fonction du prix ou de la variation.
• Les résultats peuvent être envoyés aux canaux connectés.
• L’analyse automatique ne met pas en œuvre automatiquement des transactions.

Intégration des canaux et des modèles

• La version gérée prend en charge des canaux de messagerie tels que Slack.
• Il est possible d’apporter ses propres clés de modèle telles que Claude, GPT, etc.
• Différents modèles peuvent être utilisés pour des tâches approfondies ou rapides.
• Les modèles tiers traitent les données conformément à leurs propres conditions.
• La clé doit être stockée dans un coffre-fort spécial plutôt que dans des mots de passe.

Guide d’utilisation de LangAlpha

1. Accéder à la plateforme d’hébergement actuelle de LangAlpha.
2. Inscrivez-vous et créez un espace de travail pour la recherche.
3. Expliquer le marché, l’objet d’étude et les objectifs de recherche.
4. Télécharger des documents de recherche dont on a le droit d’utiliser.
5. Vérifier le plan d’exécution proposé par l’agent.
6. Approuver, modifier ou réduire le champ de recherche.
7. Permettre à plusieurs agents d’collecter et de calculer en parallèle.
8. Vérifier la date des données et les sources citées.
9. Vérifier les hypothèses d’évaluation et les formules de calcul.
10. Choisissez un format de sortie tel que DOCX, XLSX ou PDF.
11. Enregistrer les résultats et définir des tâches automatiques ultérieures.
12. Vérifier à nouveau auprès de sources indépendantes avant la transaction.

Prix de la version gérée

La plateforme de gestion peut être utilisée gratuitement, tandis que les abonnements payants augmentent la limite d’utilisation mensuelle et permettent de recharger des crédits supplémentaires.

Les informations ci-dessus ont été vérifiées le 30 août 2026 ; les montants, les taxes et la disponibilité par région sont indiqués sur la page de paiement.

Open source et API

Le projet principal de LangAlpha est licencié sous la licence Apache-2.0, et les documents Web, backend, plugins et API sont publiés en ligne.

• Le dépôt de code source contient le front-end, le back-end et l’interface en ligne de commande.
• Fournit des API pour les flux de chat, les espaces de travail et l’état des processus.
• Les documents API interactifs peuvent être ouverts après exécution locale.
• Les services de données en mode hébergé ne sont pas équivalents à du code ouvert complet.
• Les données de marché et les modèles de tiers restent soumis à leurs propres restrictions de licence.

Tutoriel d’autogestion

1. Préparez Docker et suffisamment de ressources serveur.
2. Obtenir le code source officiel de LangAlpha.
3. Le guide de configuration en exécution génère la configuration d’environnement.
4. Sélectionnez le fournisseur de modèles et la clé personnalisée.
5. Configurer les services de cours, de recherche et de sandbox selon les besoins.
6. Démarrer la base de données, le cache, le backend et le frontend.
7. Vérifier l’état de santé et la documentation de l’interface interactive.
8. Créer un espace de travail isolé pour terminer les tests.
9. Configurer les sauvegardes, le chiffrement et le contrôle d’accès avant la mise en ligne.

Coûts d’autogestion

• Les licences open source ne prévoient pas de frais de logiciel.
• L’appel ou l’abonnement à de grands modèles peut entraîner des frais.
• Les cours en temps réel et les données professionnelles peuvent être facturés.
• Les sandbox cloud, les services de recherche et d’extraction peuvent être facturés.
• La capacité d’isolation de la sandbox Docker locale sera réduite.
• Il faut également calculer les coûts de serveurs, de stockage et d’exploitation.

Confidentialité et traitement des données

La version gérée déclare ne pas entraîner l’IA à partir des conversations des utilisateurs, ni ne vendre de données personnelles.

• Le compte conserve le nom, l’adresse e-mail et les informations d’autorisation.
• Les dialogues, les fichiers et les résultats sont enregistrés dans l’espace de travail.
• La demande sera envoyée au modèle tiers sélectionné.
• Le code s’exécute dans un sandbox isolé.
• Les zones de travail et les sessions peuvent être supprimées par l’utilisateur.
• La suppression complète d’un compte est traitée en principe dans un délai de 30 jours.

Risques financiers et vérification des faits

• Les données en temps réel peuvent encore présenter des retards ou des omissions.
• Les documents publics peuvent être mal interprétés par le modèle.
• L’évaluation dépend fortement des hypothèses et des données d’entrée.
• L’humeur des médias ne peut pas représenter directement la direction des prix.
• Le déclenchement automatique d’une recherche ne signifie pas une transaction automatique.
• Les contenus fournis par la plateforme ne constituent pas de conseil d’investissement.

À qui s’adresse-t-il

• Investisseurs nécessitant une étude approfondie de l’entreprise.
• Analyste chargé de la création de modèles financiers.
• Chercheurs qui suivent les rapports financiers et les documents de la SEC.
• Équipe souhaitant générer automatiquement des briefings de marché.
• Organisations techniques nécessitant un déploiement local.
• Contributeur open source au développement d’agents financiers intelligents.

Avantages du produit

• Associer les données financières, le code et les agents intelligents.
• Les conclusions de la recherche mettent l’accent sur l’origine et le processus de calcul.
• Plusieurs fichiers de résultats éditables peuvent être générés.
• Prend en charge des zones de travail à long terme et une mémoire entre sessions.
• Fournit des tâches déclenchées par horloge et par prix.
• Le code principal peut être auto-hébergé et étendu.

Restrictions d'utilisation et précautions

• Le site AI de San Francisco a été migré vers le nouveau produit.
• Le montant exact des frais de la version gérée n’a pas encore été divulgué.
• Les données et modèles professionnels peuvent être facturés séparément.
• L’autogestion nécessite des capacités de déploiement et de sécurité.
• Les modèles tiers gèrent le contexte de la requête.
• Toute décision commerciale doit être vérifiée de manière indépendante.

Questions fréquentes

Le Jinling AI peut-il encore être utilisé ?

La version chinoise initiale indiquait une mise à niveau du service ; toutes les fonctionnalités ont été transférées sur la plateforme LangAlpha, détenue par Ginlix.

Que fait principalement LangAlpha ?

Il utilise des agents multiples, des données financières en temps réel et l’exécution de code pour effectuer des tâches de recherche, de modélisation, de rapportage et de création de graphiques.

LangAlpha effectue-t-il des trades automatiquement ?

Non, il peut déclencher des recherches en fonction du temps ou du prix, mais la décision d’effectuer ou non une transaction reste toujours à la discrétion de l’utilisateur.

LangAlpha est-il gratuit ?

La version gérée peut être commencée gratuitement, tandis que les versions payantes augmentent le quota mensuel ; la version open source nécessite de payer soi-même pour les modèles et les données.

LangAlpha est-il un projet open source ?

Oui, le projet principal est sous licence Apache-2.0, mais les services de données hébergés et les données tierces ne sont pas tous open source.

LangAlpha utilise-t-il l’entraînement par dialogue pour ses modèles ?

La déclaration de politique de confidentialité de la version gérée n’utilisera pas les conversations pour entraîner l’IA, mais les requêtes seront traitées par le modèle tiers sélectionné.

L’analyse de LangAlpha peut-elle servir de conseil d’investissement ?

Non, la plateforme est conçue comme un outil de recherche ; toutes les données, hypothèses et conclusions doivent être vérifiées de manière indépendante.