Model ML 與 GPT-5.6 Sol 用於金融工作流自動化

GPT-5.6 Sol 自動化金融分析的「最後一哩路」

Model ML 已整合 GPT-5.6 Sol 以自動化金融分析的最終階段，能夠從初始簡報和原始資料中建立可供審查且可編輯的 PowerPoint 簡報檔與 Excel 工作簿。此整合解決了金融工作的「最後一哩路」——對齊證據、格式化檔案以及將主張與來源連結——將特定交付物的所需時間（例如客製化報表單頁摘要 tearsheets）從大約一小時縮短至五分鐘。

端到端金融工作流能力

Model ML 採用「與介面無關」的 approach，允許金融專業人士透過電子郵件或 Model ML app 啟動任務，並透過 Microsoft Office plug-ins 繼續執行。該系統利用核心代理（agent）來規劃工作、選擇工具，並將任務路由至最合適的模型，通常是 GPT-5.6 Sol。

關鍵能力包括：

• Native PowerPoint Creation: 代理能將簡報和原始資料轉換為具有可追溯來源的、可編輯的 PowerPoint 簡報。
• Native Excel Creation: 代理可以使用客戶模板或空白工作簿來收集資料，在多個分頁中建立公式與邏輯，並套用金融專用的格式。
• Large-Scale Data Processing: Model ML agents 在單次處理中即可處理包含數百個檔案和超過 100,000 列資料的虛擬資料室（virtual data rooms）。

性能基準測試：GPT-5.6 Sol 對比競爭對手

使用其「Composite」評估基準測試，Model ML 在 PowerPoint 和 Excel 工作流中將 GPT-5.6 Sol 與包括 Opus 5、Fable 5 和 GPT-5.5 在內的其他模型進行了測試。

PowerPoint 工作流性能表現

GPT-5.6 Sol 展示了卓越的交付能力與完成率：

• Completion Rate: GPT-5.6 Sol 完成了 100% 的測試案例，而 Opus 5 的完成率為 76%。
• Professional-Readiness Rate: GPT-5.6 Sol 的輸出有 43.3% 通過了專業就緒率門檻，較 Opus 5 (26.7%) 和 Fable 5 (32.0%) 有顯著提升。
• Quality Metrics: GPT-5.6 Sol 在簡報品質、簡報遵循度、層級結構與一致性方面均領先 Opus 5。
• Efficiency: 在 PowerPoint 工作流中，GPT-5.6 Sol 使用的 token 數量比 Fable 5 少了約 21%。

Excel 工作流性能表現

在 Excel 工作流中，GPT-5.6 Sol 展現了顯著的效率提升：

• Token Efficiency: GPT-5.6 Sol 每個工作簿使用的 token 數量比 Opus 5 少了 36% (2.44M vs 3.83M tokens)。
• Accuracy: 它達到了 83.3% 的標題準確度，與 GPT-5.5 持平，並略微超過 Opus 5 (82.8%)。
• Speed: 該模型平均每個工作簿耗時 7.0 分鐘，比 Opus 5 (7.5 分鐘) 稍快。

技術實作與代理架構 (Agent Harness)

Model ML 開發了其代理架構 (agent harness) 透過與 OpenAI 進行現場會議，以優化代理如何規劃簡報、選擇工具並維持上下文 (context) 保持。該架構為代理提供特定的工具箱 (toolkits) 用於資料整合、文件編輯與程式碼執行環境，確保代理能專注於於必要的任務。

為了確保輸出是「準備好進行實際工作」的，代理會在回傳最終的可編輯檔案之前，在上下文中維持原始簡報，並對每一張投影片進行視覺化審查。

金融知識工作的未來

Model ML 正轉向基於瀏覽器的互動式輸出，這些輸出與底層模型和原始資料保持連接。這使得審查者可以直接從投資摘要點擊進入支援的金融模型，從而擺脫傳統軟體（如 PowerPoint 和 Excel）的手送動態的性質。