AI能取代金融分析师?Vals AI新版测试全军覆没,GPT 5.5准确率勉强过半

2026年05月14日 17:54快讯287
据动察 Beating 监测,AI 评测机构 Vals AI 发布了第二代金融智能体基准测试(Finance Agent v2)。这是一个模拟初级金融分析师工作流的端到端测试,包含 927 道专家审核问题。新版测试的难度大幅飙升,GPT 5.5 仅以 51.76% 的准确率登顶,与 Claude Opus 4.7(51.51%)和 Claude Sonnet 4.6(51.03%)的比分极度胶着。 与单轮问答不同,该测试要求模型在数百页的 10-K 和 10-Q 财报中自主寻找相关段落,处理跨年份财务报表调整,并带着精确的中间数字完成多步计算。Vals AI 透露,如果采用「必须完全答对」的严格评分标准,所有前沿模型的准确率全部跌破 40%;在最难的「财务建模」和「先例分析」类别中,最高分仅有 23%。 在其他模型方面,Kimi K2.6 以 44.87% 排在第五,是得分最高的国产模型;紧随其后的是 GLM 5.1(44.79%)和 DeepSeek V4(44.08%)。此外,官方将「最快速度」标签授予了 Claude Opus 4.7(单次耗时 360 秒),GLM 5.1 则拿下了「最省预算」标签(单次成本 0.62 美元)。 这次测试得分的集体下挫(上一代测试中 Opus 4.7 得分为 64.4%)证明了一点:目前的 AI 已经可以搞定简单的检索,但在需要遵守特定行业惯例、且对数字精准度要求极高的金融深水区,还远远无法取代人类分析师。

免责声明:本站所有资讯仅代表作者个人观点,不构成任何投资理财建议。

本文链接:https://coin123.link/post/1463.html

相关文章

以太坊Layer2总锁仓量回升至386.1亿美元

9 月 28 日,据 L2BEAT 数据,当前以太坊 Layer2 总锁仓量(TVL)回升至 386.1 亿美元,7 日涨幅 6.49%。其中,锁仓量前五分别为:Arbitrum One(146 亿美…

Lummis 预测 Gensler 明年可能辞职

美国怀俄明州参议员Cynthia Lummis认为,SEC主席Gary Gensler可能会在明年辞职。她在CNBC的Squawk Box节目中表示,特别是如果特朗普当选总统的话。Lummis还表示,…

日本将审查加密货币规则并考虑减税

日本即将开始审查该国加密货币规则,可能会为加密企业减税,并推出新的投资产品,如加密货币 ETF。日本金融服务局将在未来几个月评估根据《支付法》监管加密货币的现行方法是否充分,考虑是否将加密货币纳入投资…

萨尔瓦多总统与阿根廷副总统讨论比特币

萨尔瓦多总统 Nayib Bukele 在对阿根廷的正式访问中,会见了阿根廷副总统 Victoria Villarruel,讨论了加密货币和萨尔瓦多在比特币方面的经验。尽管讨论是私密的,但会前的一段视…

圣佩德罗2万人投资USDT虚假项目

阿根廷律师透露,圣佩德罗市约有2万人投资了一个以USDT为主题的虚假加密货币项目,该项目由不知名演员宣传。操盘手承诺投资者6周内资金翻倍,并提供1-2%的日回报。许多居民包括退休人员投入了全部积蓄。目…

马斯克向选民随机发放 100 万美元

据Odaily星球日报报道,当地时间 10 月 19 日,Elon Musk 在宾夕法尼亚州一场活动上宣布,从当天起到 11 月 5 日美国大选日,他每天将向签署“美国政治行动委员会(America…

大选前市场平静股市或在投票后反弹

花旗分析师表示,大选往往影响市场走势,但今年交易员更关注美国经济和财报季。分析师指出,通常在大选前波动的市场指标今年平静,显示大选影响担忧减少。交易员关注美国经济而非大选。分析师认为,美股近期强劲表现…

贝莱德比特币ETF规模已超其黄金ETF

据 The ETF Store 总裁 Nate Geraci 在X平台披露,贝莱德比特币交易所交易基金iShares Bitcoin ETF(IBIT)的资产规模已超过其黄金交易所交易基金iShare…

相互矛盾的宏观信号或加剧债市波动

木星资产管理在报告中指出,投资者面临相互矛盾的宏观信号,可能导致债券市场波动加剧。尽管美国经济仍具弹性,但若实际利率长期维持高位,需求或将放缓。美联储已开始降息,但因美国经济强劲,市场降低了对进一步降…

Tether在Tron网络上铸造10亿USDT

据 Cointelegraph 报道,Tether 在 Tron 网络上铸造了 10 亿 USDT 稳定币,并且未支付任何手续费。此次交易由 Arkham Intelligence 监测,资金从一个“…