Model ML 運用 GPT-5.6 Sol 大幅提升金融工作效率

在金融分析報告呈交給客戶或高階決策者之前，團隊必須完成艱鉅的「最後一哩路」：核對證據、建立與格式化檔案、檢查每個數字，並將每項主張連結到其來源。最終完成的 PowerPoint 簡報或 Excel 工作簿必須可編輯並準備好接受審查。

Model ML 的共同創辦人兼兄弟 Arnie 和 Chaz Englander 在兩次成功退出後，開始透過私人家族辦公室進行投資。他們發現這項工作需要大量勞力，於是像所有開發者一樣，著手開發軟體來幫助自己。

Model ML 的代理程式正是從這套軟體發展而來，它能協助金融專業人士將工作流程從最初的需求，一路推進到研究、分析，並最終完成簡報或工作簿。核心代理程式負責規劃工作、選擇合適的工具、核對證據並執行計算，將每個步驟導向最適合的模型，其中通常是 GPT-5.6 Sol。這些工具中也包含 Model ML 自家的文件工具，能建立具有可追溯來源的原生 PowerPoint 和 Excel 檔案。

Model ML 共同創辦人兼執行長 Chaz Englander 表示：「早期的模型可以完成分析師的工作，但使用者必須清楚地分解任務，並明確指出希望輸出結果是什麼樣子。而有了 GPT-5.6 Sol，我們發現代理程式能更接近最終的輸出成果。」

Model ML 透過端到端自動化金融工作流程，協助金融團隊解決金融工作的「最後一哩路」。代理程式可以根據簡要說明和原始資料，將任務從研究和建模一路推進到為客戶或交易團隊準備好的最終材料。金融專業人士在分享工作之前，會檢查假設、來源和訊息。

Model ML 將其產品稱為「介面無關」。金融專業人士可以在電子郵件或 Model ML 應用程式中開始一項任務，並在 Microsoft Office 外掛程式中繼續進行，無需重複解釋。

這種連續性延伸到最終完成的工作。對於投資委員會的簡報，Model ML 可以將簡要說明和原始資料轉換為可編輯的 PowerPoint。對於 Excel 任務，代理程式可以從客戶範本或空白工作簿開始，收集所需資料，在多個分頁中建立公式和邏輯，然後應用金融專屬格式，以產生完整的試算表或財務模型。

在 Model ML 的綜合評估基準（該公司針對金融服務中 AI 的評估標準）中，GPT-5.6 Sol 在 Excel 工作流程中，每個工作簿使用的代幣比 Opus 5 少 36%。

Chaz Englander 表示：「使用者應該專注於判斷，例如完善假設或精煉訊息，而不是重複建構分析。」

透過完成「最後一哩路」的工作，代理程式還可以節省單一交付成果的時間，並幫助團隊處理大量的原始資料。在一家全球資產管理公司，分析師過去需要約一小時才能完成的客製化報告，現在只需大約五分鐘。在另一個工作流程中，Model ML 代理程式一次性處理了包含超過 100,000 行和數百個檔案的虛擬資料室。

GPT-5.6 Sol 以更少的代幣提供更多可供審查的金融交付成果。Model ML 評估了 GPT-5.6 Sol 與其他領先模型在各種金融工作流程中的表現。其綜合評估追蹤任務從最初的金融簡報，經過研究和計算，到可編輯的簡報或試算表，然後檢查數字、來源、公式和結構，以及簡報的視覺品質。

針對 PowerPoint，Model ML 的綜合評估納入了真實工作流程，涵蓋數百個生成的簡報，並設有詳細的評分標準。

GPT-5.6 Sol 在 100% 的測試案例中完成了 PowerPoint 工作流程，而 Opus 5 則為 76%。在 Model ML 的專業就緒門檻（衡量輸出是否準備好進行實質審查的標準）方面，GPT-5.6 Sol 達到 43.3%，而 Opus 5 則為 26.7%。它在簡報品質、簡報遵循度、層次結構和一致性方面也領先 Opus 5。

總體而言，上述綜合評估結果為 Model ML 提供了在生產環境中擴展 GPT-5.6 Sol 的依據，包括一些先前由 Opus 4.8 處理的工作流程。對於 PowerPoint 工作流程，GPT-5.6 Sol 結合了具競爭力的簡報品質，以及比 Opus 5 和 Fable 5 更高的完成率和可供審查的簡報產出率，同時使用的代幣比 Fable 5 少約 21%。

Englander 表示：「『準備好投入實際工作』意味著使用者可以直接進入實際審查。數字可以追溯，工作簿可以重新計算，投影片可以編輯。」

製作經得起審查的投資簡報。PowerPoint 為 Model ML 提供了一個嚴格的測試，以判斷 GPT-5.6 Sol 是否已準備好投入實際工作。一份簡報即使看起來光鮮亮麗，如果數字錯誤或無法追溯、圖表扁平化，或者投影片在分享前需要重建，它在審查中仍然可能失敗。

Model ML 在其代理程式框架內運行該模型，並搭配文件建立和編輯工具，讓代理程式能夠建立帶有可編輯圖表和表格的投影片。它在工作時會保持原始簡報的上下文，然後在返回檔案之前對每張投影片進行視覺審查。

下方的範例展示了 Model ML 的 PowerPoint 輸出如何從 GPT-5.5 改進到 GPT-5.6 Sol，包括更清晰的層次結構和更一致的投影片設計。

如今，Model ML 的框架為代理程式提供了工具包，使其能夠載入以存取資料整合、文件編輯工具和技能，以及程式碼執行環境。這使得代理程式能夠保持專注，並獲得與使用者文件協作所需的精確工具。

Model ML 透過與 OpenAI 的現場會議達成了這種設定。團隊追蹤了代理程式如何規劃簡報、選擇工具和維持上下文，然後利用這些發現來完善代理程式的指令，並決定何時載入每個工具包。

為不斷變化的金融工作模式而建構。Model ML 的客戶正轉向基於瀏覽器的輸出，這些輸出與其背後的模型和原始資料保持連接。

Model ML 的平台可以生成安全、互動式的輸出，這些輸出可以持續更新或鎖定在特定時間點。審查者可以打開投資摘要，點擊進入數字背後的財務模型，並在同一頁面上與代理程式協作。

Englander 表示：「PowerPoint、Excel 和 Word 是為一個知識工作需要手動建立的世界而設計的。AI 已經改變了這個假設。軟體本身即將發生變革。」