A Model ML több pénzügyi munkát bíz GPT-5.6 Solra

A pénzügyi munka utolsó szakaszát célozza a Model ML

A Model ML olyan ügynököket fejleszt pénzügyi szakembereknek, amelyek egy feladatot a kezdeti kérésből kutatáson és elemzésen át szerkeszthető PowerPoint- vagy Excel-kimenetig visznek. Az OpenAI közlése szerint a rendszer központi ügynöke megtervezi a munkát, kiválasztja a megfelelő eszközöket, egyezteti a bizonyítékokat, számításokat futtat, és az egyes lépéseket a feladathoz illő modellhez irányítja. Ez gyakran GPT-5.6 Sol.

A cég alapítói, Arnie és Chaz Englander azt követően kezdtek saját szoftvert építeni, hogy két sikeres exit után egy privát családi befektetési irodán keresztül kezdtek befektetni. A Model ML ebből a szoftverből nőtt ki. A termék saját dokumentumeszközöket is használ, amelyek natív PowerPoint- és Excel-fájlokat hoznak létre visszakövethető forrásokkal.

Chaz Englander, a Model ML társalapítója és vezérigazgatója az OpenAI közlése szerint így fogalmazott: „A korábbi modellek el tudták végezni egy elemző munkáját, de a felhasználónak világosan le kellett bontania a feladatot, különösen azt, hogyan nézzen ki a kimenet. A GPT-5.6 Sollal azt látjuk, hogy az ügynök sokkal közelebb jut a végleges kimenethez.”

E-mailből, appból és Office-bővítményből is folytatható a feladat

A Model ML a termékét „surface-agnostic” megoldásként írja le. Ez azt jelenti, hogy egy pénzügyi szakember e-mailben vagy a Model ML alkalmazásában elindíthat egy megbízást, majd a Microsoft Office-bővítményekben folytathatja anélkül, hogy újra el kellene magyaráznia a feladatot.

A rendszer egy befektetési bizottsági prezentáció esetében a briefből és a forrásanyagokból szerkeszthető PowerPointot készíthet. Excel-feladatnál indulhat ügyfélsablonból vagy üres munkafüzetből, összegyűjtheti a szükséges adatokat, több munkalapon képleteket és logikát építhet, majd pénzügyi formázással teljes táblázatot vagy pénzügyi modellt állíthat elő.

A Model ML szerint a pénzügyi szakember feladata ezután az előfeltevések, a források és az üzenet ellenőrzése, mielőtt megosztaná az anyagot. Englander az OpenAI forrásában ezt mondta: „A felhasználónak az ítéletalkotásra kellene figyelnie, például az előfeltevések finomítására vagy az üzenet élesítésére, és nem csak az elemzés újraépítésére.”

Az OpenAI példái szerint egy globális vagyonkezelőnél egy egyedi tearsheet összeállítása, amely egy elemzőnek körülbelül egy órát vett igénybe, most körülbelül öt percig tart. Egy másik munkafolyamatban a Model ML ügynökei egy menetben dolgoztak fel virtuális adatszobákat, amelyek több mint 100 000 sort és több száz fájlt tartalmaztak.

A GPT-5.6 Sol jobban teljesített a PowerPoint-tesztekben

A Model ML a GPT-5.6 Solt más vezető modellekkel együtt értékelte pénzügyi munkafolyamatokon. A Composite nevű benchmark a kezdeti pénzügyi briefből indul, majd kutatáson és számításokon át szerkeszthető prezentációig vagy táblázatig követi a feladatot. Az értékelés ellenőrzi a számokat, forrásokat, képleteket, szerkezetet, prezentációknál pedig a vizuális minőséget is.

PowerPointban a Model ML Composite értékelése valós munkafolyamatokat és több száz generált prezentációt fogott át. A GPT-5.6 Sol a tesztesetek 100 százalékában elkészítette a PowerPoint-munkafolyamatot, míg az Opus 5 esetében ez 76 százalék volt. A Model ML szakmai készenléti kapuján, amely azt méri, hogy a kimenet alkalmas-e érdemi ellenőrzésre, a GPT-5.6 Sol az esetek 43,3 százalékában ment át, szemben az Opus 5 26,7 százalékával.

A részletes PowerPoint-mérésben a GPT-5.6 Sol 59,9 százalékos, készenléti kapuval szűrt összesített deckminőségi pontszámot kapott, az Opus 5 56,7 százalékot, a Fable 5 pedig 59,3 százalékot. A brief követésében a GPT-5.6 Sol 78,8 százalékot ért el, az Opus 5 77,9 százalékot. A vizuális minőség összesített mutatójában viszont az Opus 5 79,3 százalékkal a GPT-5.6 Sol 77,9 százaléka előtt szerepelt.

A PowerPoint-mérés hatékonysági sorában a GPT-5.6 Sol prezentációnként 1,10 millió tokent használt, az Opus 5 953 ezret, a Fable 5 1,40 milliót. Az OpenAI közlése szerint PowerPoint-munkafolyamatoknál a GPT-5.6 Sol versenyképes deckminőséget kombinált az Opus 5-nél és a Fable 5-nél magasabb arányban elkészült, ellenőrzésre alkalmas prezentációkkal, miközben körülbelül 21 százalékkal kevesebb tokent használt, mint a Fable 5.

Excelben kevesebb token, vegyes pontszámok

Az Excel-benchmarkban a GPT-5.6 Sol a kulcskimenetek pontosságában 83,3 százalékot ért el az aranymodellhez képest. Az Opus 5 értéke 82,8 százalék, a Fable 5-é 80,6 százalék, a GPT-5.5-é szintén 83,3 százalék volt.

A teljesen helyes modellek arányában a GPT-5.6 Sol 50,0 százalékot ért el, míg az Opus 5, a Fable 5 és a GPT-5.5 egyaránt 60,0 százalékot. Az elvárt kimenetek megtalálásában a GPT-5.6 Sol, az Opus 5, a Fable 5 és a GPT-5.5 is 100,0 százalékot kapott. A munkafüzet szerkezetét, hibamentességét és placeholder-mentességét vizsgáló kapunál szintén 100,0 százalék szerepelt a GPT-5.6 Sol, az Opus 5, a Fable 5, az Opus 4.8, a GPT 5.6 Terra és a GPT-5.5 mellett.

A hatékonysági adatokban a GPT-5.6 Sol munkafüzetenként 2,44 millió tokent használt, az Opus 5 3,83 milliót. A Model ML közlése szerint ez 36 százalékkal kevesebb tokent jelent az Opus 5-höz képest egy Excel-munkafolyamatban. Időben a GPT-5.6 Sol 7,0 perc alatt készült el egy munkafüzettel, az Opus 5 7,5 perc, a Fable 5 8,4 perc, az Opus 4.8 11,5 perc alatt.

A Composite-eredmények alapján a Model ML bővítette a GPT-5.6 Sol éles használatát, beleértve néhány olyan munkafolyamatot is, amelyet korábban Opus 4.8 kezelt. Englander az OpenAI szerint így írta le a használható kimenetet: „A valódi munkára kész azt jelenti, hogy a felhasználó közvetlenül valódi ellenőrzésbe léphet. A számok visszakövethetők, a munkafüzet újraszámol, a dia szerkeszthető.”

Mit jelent ez a pénzügyi felhasználóknak

A Model ML példája azt mutatja, hogy a pénzügyi AI-eszközöknél a hangsúly nem csak a válasz előállításán van, hanem azon is, hogy a végeredmény szerkeszthető, ellenőrizhető és forrásokhoz köthető legyen. Ez különösen fontos olyan munkáknál, ahol az anyag ügyfelek vagy döntéshozók elé kerül.

A cég ügyfelei az OpenAI közlése szerint böngészőalapú kimenetek felé mozdulnak, amelyek kapcsolatban maradnak a mögöttük lévő modellekkel és forrásanyagokkal. A Model ML platformja biztonságos, interaktív kimeneteket tud generálni, amelyek folyamatosan frissülhetnek, vagy egy adott pillanat állapotához rögzíthetők.

Egy ellenőrző például megnyithat egy befektetési összefoglalót, átkattinthat az egyik szám mögötti pénzügyi modellre, és ugyanarról az oldalról dolgozhat az ügynökkel. Englander szerint „A PowerPointot, az Excelt és a Wordöt olyan világra tervezték, ahol a tudásmunka létrehozása manuális volt. Az AI megváltoztatta ezt a feltételezést. Maga a szoftver is változás előtt áll.”