DeepFinance 基准发布，Claude Opus 5.5 以 54.8% 居首

Julius Research 发布首个针对高端金融工作的超长程基准 DeepFinance，包含 21 道模拟顶级 PE/IB 机构真实工作的问题，基于真实交易数据设计，考验模型处理充满假设与相互冲突证据的复杂金融工作流。评测结果显示，Claude Opus 5.5 以 54.8% 的成绩排名第一，显示即使最强模型在超长周期金融任务上仍有较大提升空间。

2026-11-06 ~ 2026-11-06 · 2 条相关