Terminal X の Capital Memory、GPT-6.1 Sol 上で 88.6% の一致率をシニア投資家の判断に対して達成
Terminal X の Capital Memory システムは、OpenAI の GPT-6.1 Sol と GPT-6 Luna 上に構築され、500 件のスコアリングされた判断のうち 88.6% でシニアの人間投資家の判断と一致しました。これは次点モデルの 86.4% を上回り、220 ベーシスポイントの改善となります。この結果が重要なのは、エージェント型システムが特定の投資会社の判断をエンコードできるかどうか、単にドキュメントを取得するだけでなく、を具体的に測定したものであり、同じワークフローでクエリあたりのコストが約 30% 削減されたと報告されている点も併せて重要です。
Terminal X が発表した内容とその重要性
Terminal X は、投資会社の意思決定を保存し適用するためのオペレーティングシステムと説明される Capital Memory という製品を運営しています。同社のフレーミングは、シニア投資家が会社を去るとき、会社はドキュメントを保持するが推論を失うというもので、Terminal X はこれを メモリ債務 と呼んでいます。Capital Memory は、会社が所有するエージェントに投資方法をエンコードし、オンプレミスまたは会社自身のクラウドに展開することで、この債務を返済するように設計されています。
OpenAI モデルは、これらのエージェント内の推論を処理します。Terminal X の Eval Agent は、エージェントの出力を会社の基準に対して評価します。発表によると、GPT-6.1 Sol は Eval Agent がファンドのマンデートから逸脱した推奨を約 25% 多く検出するのに役立ち、同じワークフローを次点モデルよりもクエリあたり約 30% 低いコストで、同様の速度で実行しました。
Terminal X が特定の会社のように投資するエージェントを構築する方法
Terminal X は、単一の汎用投資エージェントを提供するのではなく、顧客ごとにカスタムエージェントアーキテクチャを構築します。同社のフォワードデプロイエンジニア（元 JPMorgan や Blackstone の金融・投資プロフェッショナルと説明される）は、顧客の投資チームと数週間オンサイトで過ごし、信頼されたメモをリバースエンジニアリングし、クレジットデスクが借り手をスクリーニングする方法や、コインベストメントチームがメモの前にどのソースを引くかなど、決して文書化されなかったプロセスを捕捉します。
これらのプロセスは、アセットクラスと戦略ごとにカスタマイズされた数百のエージェントにエンコードされ、各投資ステージのサブエージェントがあります。モデル間の役割分担は明確です：
- GPT-6.1 Sol は、判断と大きなコンテキストウィンドウを必要とするステージを処理します：投資テーゼの統合、主要な考慮事項の特定、会社のマンデートとの適合性の評価。
- GPT-6 Luna は、トークン効率が深さよりも重要となる高ボリュームのステップを実行します。
エージェントは、各企業のプライベートデータルーム（機密の投資データを共有・管理するための専用環境）内で動作します。英語、韓国語、日本語、中国語のドキュメントを処理し、学んだことを企業 メモリ として保存します：あるデスクがどのようにある種の決定を下すかのバージョン管理された記録で、過去の分析、委員会の決定、ワークフロー指示、ハウスビューを含みます。エンジニアは各メモリを Terminal X のプラットフォーム上の反復可能なワークフローに変換し、すべての本番クエリは、実行されたステップ、取得されたソース、使用されたモデル、推論を含む完全なトレイルで監査可能です。
Terminal X は、顧客がこのアプローチから大きな節約を見ていると報告しており、あるプライベートエクイティファームは、自動化されたデューデリジェンスと投資メモのワークフローから年間 240 万ドルの節約を報告しています。
Eval Agent：すべての出力に適用される 54 項目のルーブリック
Terminal X は、エージェントの回答を会社自身の基準に対してチェックする Eval Agent を構築しました。これは GPT-6.1 Sol と他の OpenAI モデル上のオーケストレーションされたワークフローで、VP がアナリストの作業を読むようにすべてのエージェント出力を読むように設計されています。
Eval Agent は、各出力を 54 項目のルーブリックに対してチェックし、数値、比較対象、コンセンサス数値、引用が正しいソースから取得されたか、ナラティブが成立するか、推奨がハウスビューに結びついているかを尋ねます。各チェックは合格/不合格でスコアリングされます。各不合格には、1 行の理由とより良いソースまたは修正されたテキストが含まれ、メモリになります。見逃されたソース、間違った比較対象、またはハウスビューから逸脱したテーゼは、そのデスクの新しいワークフロー指示または新しいテストケースとしてエンコードされます。
「すべての回答が評価され、アナリストが修正したものはすべて、その会社がどのように機能するかについてシステムに少しずつ教えます。だから、会社が使えば使うほど、自社のチームのように考えるようになります。」 —Ken Lee、Terminal X 共同創業者兼 CTO
ベンチマーク結果：88.6% の一致率とマンデート逸脱の減少
Terminal X は、ベンダーのベンチマークではなく、自社の評価結果に基づいてモデルを選択します。500 件のスコアリングされた判断のうち、GPT-6.1 Sol 上の Eval Agent は、シニアの人間レビュアーと 88.6% の確率で一致しました。次点モデルの 86.4% に対して、220 ベーシスポイントの改善です。
GPT-6.1 Sol が優れていたエラークラスの 1 つは スタイルドリフト です。例として挙げられたのは：バイアウトファンドのマンデートは、NAV に対してディスカウントで取引されているテイクプライベート候補を見つけ、ビジネスを引受し、ファイナンスを構成することです。シナリオモデルが市場の転換を示唆すると、ディールは代わりにディストレストクレジットポジションやレスキューファイナンスを推奨し始めます。GPT-6.1 Sol 上の Eval Agent は、これらの逸脱を次点モデルよりも約 25% 多く検出しました。
GPT-6.1 Sol の長いコンテキスト作業におけるトークン効率により、Terminal X は同じ予算内でより深いレビューワークフローを構築できました。このワークフローでは、テーゼは最初にファンドのマンデートに対してテストされ、次にファンドの最近のディールに対してテストされます；不確実な判定は再実行され、エージェントは報告前に結果を調整します。Terminal X は、このより深いレビューが、同等のモデルでの単一パスが見逃していたディールをフラグしたと述べています。
「GPT-6.1 Sol の長いコンテキスト推論とトークン効率により、より深い評価パイプラインを構築できます。これにより、当社の Eval Agent は投資判断を測定可能で監査可能にすることができます。」 —Hyun Hong、Terminal X 共同創業者兼 CEO
スケールと次のステップ
GPT-6.1 Sol と GPT-6 Luna を使用して、Terminal X は 1,700 件の企業メモリを構築し、100 万以上のカスタムワークフローを実行し、月間アクティブユーザーの 81% に相当する週間アクティブユーザー数に達したと報告しています。
同社の次のステップは、企業メモリをデスクから個人に拡張し、各投資プロフェッショナルの基準が説明されるだけでなく実践される形で捕捉されるようにすることです。
「次の 10 年を勝ち取る企業は、自社の判断をデータとして所有するでしょう。私たちの仕事は、その判断を測定可能にし、維持・改善・再利用できるようにすることです。」 —Hyun Hong、Terminal X 共同創業者兼 CEO
主要な事実を一目で
- 使用モデル： GPT-6.1 Sol（判断重視、長いコンテキストのステージ）と GPT-6 Luna（高ボリューム、トークン効率重視のステップ）。
- Eval Agent の一致率： 500 件のスコアリングされた判断のうち、シニアの人間レビュアーと 88.6% 一致、次点モデルの 86.4% に対して（220 ベーシスポイントの改善）。
- マンデート逸脱の検出： 次点モデルよりも約 25% 多くのスタイルドリフト逸脱を検出。
- コスト： 次点モデルよりもクエリあたり約 30% 低いコスト、同様の速度。
- 評価ルーブリック： 出力ごとに 54 項目、合格/不合格のスコアリング、各不合格には 1 行の理由と修正されたソース。
- 展開： オンプレミスまたは顧客自身のクラウド内、プライベートデータルーム内。
- 処理言語： 英語、韓国語、日本語、中国語。
- 報告されたスケール： 1,700 件の企業メモリ、100 万以上のカスタムワークフロー、週間アクティブユーザーは月間アクティブユーザーの 81%。
- 報告された顧客成果： あるプライベートエクイティファームは、自動化されたデューデリジェンスと投資メモのワークフローから年間 240 万ドルの節約を報告。