DeepFinance 基准发布:21 道真实 PE/IB 题,Claude Opus 5.5 以 54.8% 居首
tszzl · x · 2026-11-06
Julius Research 发布 DeepFinance,首个针对高端金融工作的超长程基准:
- 任务设计:21 道模拟顶级 PE/IB 机构真实工作的问题,基于真实交易数据构建,出题人来自 Evercore、JPM、UBS 及 HBS、Wharton;单题平均需人类 27.1 小时完成,每题 84 条评分标准、19 个数据室文件。
- 榜单:Claude Opus 5.5 (max) 54.8% 居首,Sonnet 5.5 (54.6%) 与 GPT-6 Astra (54.2%) 紧随其后;GPT-6.1 Sol 52.9%,Gemini 4 Argon 41.3%,Kimi K3.1 Pro 34.6%,Grok 4.7 34.1%,DeepSeek V4 Pro 20.5% 垫底。
- 定位:现有金融基准只考文档 QA 或简单建模,DeepFinance 主张评估 agent 在充满假设与冲突证据的端到端金融尽调工作流中的表现——顶级模型得分仅过半,离胜任亿美元级交易尽调仍有距离。
所属事件:DeepFinance 基准发布，Claude Opus 5.5 以 54.8% 居首(2 条相关)→
「模型」频道最新
- Inkling 2 Small 发布:AA 指数 31 分,微调友好度成开源新焦点 — simonguozirui · 2026-11-06
- 小模型可定制性被视为关键能力：Inkling 2 Small 主打低成本微调 — clarejtbirch · 2026-11-06
- 本地 AI 日报：TensorFold 1.2.3 解码提速 21–23%，Ripple-65B 开源预览 — AIFlow_ML · 2026-11-06
- 知名研究员 alth0u 晒图暗示:新模型训练已在进行中 — clarejtbirch · 2026-11-06
- Inkling 2 Small 用 NVFP4 于 68 小时预训练 8.4T tokens — clarejtbirch · 2026-11-06
- Astra 与 Sol 6.1 表现突进，多智能体 RL 与认知安全训练受关注 — scaling01 · 2026-11-06