Jäta vahele ja mine põhisisu juurde
OpenAI

10. august 2026

Idufirma

Model ML teeb finantstööd GPT‑5.6 Soliga tõhusamalt

Model ML kasutab GPT‑5.6 Soli töövoogudes, mis loovad redigeeritavaid PowerPointi ja Exceli faile, kulutades esitluse kohta 21% vähem päästikuid kui Fable 5.

Ettevõtte suurus: Idufirma
Piirkond: Ülemaailmne
Tööstus: Rahandus, Tehnoloogia
Tooted: API

Tulemused

21%

Vähem päästikuid PowerPointi esitluse kohta kui Fable 5 puhul

Tulemused

16,6

Protsendipunkti võrra parem professionaalne kasutusvalmidus kui Opus 5-l

Tulemused

36%

Vähem päästikuid Exceli töövihiku kohta kui Opus 5 puhul

Tulemused

5

Minutit kohandatud koondlehe koostamiseks varasema umbes ühe tunni asemel

Laadimine…

Enne kui finantsanalüüsi saab klientidele või juhtivatele otsustajatele esitleda, peavad meeskonnad läbima nõudliku viimase etapi: tõendusmaterjali kooskõlastama, faili koostama ja vormindama, kõiki arve kontrollima ning iga väite allikaga siduma. Valmis PowerPointi esitlus või Exceli töövihik peab olema redigeeritav ja põhjalikuks kontrolliks valmis.

Model ML-i kaasasutajad ning vennad Arnie ja Chaz Englander nägid selle töö mahtu, kui hakkasid pärast kahe ettevõtte edukat müüki investeerima erakapitali haldava perebüroo kaudu ning arendajatele omaselt endale abiks tarkvara looma.

Sellest tarkvarast välja kasvanud Model ML-i agendid aitavad finantsspetsialistidel läbida kogu töövoo alates esialgsest päringust kuni uurimistöö, analüüsi ning valmis esitluse või töövihikuni. Töö keskmes olev põhiagent kavandab tegevuse, valib õiged tööriistad, kooskõlastab tõendusmaterjali ja teeb arvutused, suunates iga etapi selleks kõige sobivamale mudelile, milleks on sageli GPT‑5.6 Sol. Nende tööriistade hulka kuulub Model ML-i enda dokumendilahendus, mis loob jälgitavate allikatega PowerPointi ja Exceli originaalfaile.

„Varasemad mudelid suutsid analüütiku töö ära teha, kuid kasutaja pidi ülesande selgelt osadeks jagama ja täpselt kirjeldama, milline väljund peaks olema. GPT-5.6 Soli puhul näeme, et agent jõuab lõpptulemusele palju lähemale.“
– Chaz Englander, Model ML-i kaasasutaja ja tegevjuht

Finantstöö viimase etapi lahendamine

Model ML aitab finantsmeeskondi, automatiseerides finantstöövood algusest lõpuni. Lähteülesande ja alusmaterjali põhjal saab agent viia töö läbi uurimise ja modelleerimise kuni klientidele või tehingumeeskondadele mõeldud valmismaterjalideni. Enne töö jagamist kontrollib finantsspetsialist eeldusi, allikaid ja sõnumit.

Model ML nimetab toodet „liidesest sõltumatuks“. Finantsspetsialist võib alustada tööd e-kirjas või Model ML-i rakenduses ning jätkata seda Microsoft Office’i lisandmoodulites, ilma et peaks ülesannet uuesti selgitama.

Sama järjepidevus ulatub ka valmis töösse. Investeerimiskomitee esitluse jaoks saab Model ML muuta lähteülesande ja alusmaterjali redigeeritavaks PowerPointi esitluseks. Exceli ülesande puhul võib agent alustada kliendi mallist või tühjast töövihikust, koguda vajalikud andmed, koostada mitmel vahekaardil valemid ja loogika ning rakendada seejärel finantsvaldkonnale sobivat vormindust, et luua terviklik arvutustabel või finantsmudel.

Model ML-i finantsteenuste tehisintellekti hindamisvõrdluses Composite kasutas GPT‑5.6 Sol Exceli töövoos töövihiku kohta 36% vähem päästikuid kui Opus 5.

„Kasutaja peaks keskenduma otsustamist nõudvale tööle, näiteks eelduste täpsustamisele või sõnumi teravdamisele, mitte lihtsalt analüüsi uuesti koostamisele.“
– Chaz Englander, Model ML-i kaasasutaja ja tegevjuht

Töö viimase etapini viimisega saab agent säästa aega ka üksikute väljundite koostamisel ning aidata meeskondadel töödelda suuri alusmaterjalide koguseid. Ühe üleilmse varahalduri juures võtab kohandatud koondlehe koostamine nüüd umbes viis minutit, kuigi varem kulus analüütikul selleks ligikaudu tund. Ühes teises töövoos töötlesid Model ML-i agendid ühe korraga virtuaalseid andmeruume, mis sisaldasid üle 100 000 rea ja sadu faile.

GPT‑5.6 Sol loob vähema hulga päästikutega rohkem kontrollimiseks valmis finantsmaterjale

Model ML hindas GPT‑5.6 Soli koos teiste juhtivate mudelitega mitmesugustes finantstöövoogudes. Composite’i hindamised jälgivad ülesannet alates esialgsest finantsülesandest läbi uurimistöö ja arvutuste kuni redigeeritava esitluse või arvutustabelini ning kontrollivad seejärel arve, allikaid, valemeid ja struktuuri, esitluste puhul ka visuaalset kvaliteeti.

PowerPointi puhul hõlmab Model ML-i Composite’i hindamine tegelikke töövooge ja sadu loodud esitlusi, mida hinnatakse üksikasjaliku punktisüsteemi järgi.

GPT‑5.6 Sol lõpetas PowerPointi töövoo 100% katsejuhtudest, Opus 5 aga 76%. Model ML-i professionaalse kasutusvalmiduse lävendi, mis näitab, kas väljund oli sisuliseks kontrolliks valmis, ületas GPT‑5.6 Sol 43,3% ja Opus 5 26,7% juhtudest. Samuti edestas see Opus 5 esitluse kvaliteedi, lähteülesande järgimise, hierarhia ja järjepidevuse poolest.

Native PowerPoint creation model benchmark, Model ML’s Composite eval
MetricGPT 5.6 SolΔ Sol–O5Opus 5Fable 5Opus 4.8GPT 5.6 TerraGPT-5.5
Deck quality — Overall score, readiness-gated59.9%+3.256.7%59.3%58.7%52.5%44.4%
Deliverability — Professional-readiness rate (gate)43.3%+16.626.7%32.0%17.3%17.3%16.0%
Deck produced — Items yielding a .pptx100.0%+24.076.0%82.0%80.0%80.0%74.0%
Brief adherence — Instruction following78.8%+0.977.9%78.5%78.4%74.1%79.6%
Visual quality — Aggregate visual judge — components below77.9%−1.479.3%78.9%75.1%74.4%68.5%
Layout — Layout & composition75.9%−2.978.8%78.7%76.2%76.1%67.8%
Hierarchy — Visual hierarchy87.2%+0.586.7%85.5%85.5%85.6%83.7%
Data viz — Chart legibility78.8%−4.383.1%79.7%73.3%74.6%68.4%
Consistency — Design coherence97.8%+4.593.3%95.8%97.5%75.0%90.0%
Efficiency — Tokens per deck (lower = better)1.10M+144K953K1.40M1.16M720K1.01M

Model ML-i PowerPointi originaalfailide loomise võrdlustest võrdleb GPT‑5.6 Soli Opus 5 ja teiste juhtivate mudelitega.

Native Excel creation model benchmark, Model ML’s Composite eval
MetricGPT 5.6 SolΔ Sol–O5Opus 5Fable 5Opus 4.8GPT 5.6 TerraGPT-5.5
Key outputs correct — Headline accuracy vs golden model83.3%+0.582.8%80.6%74.4%82.2%83.3%
Fully correct models — Items with every key output right50.0%−10.060.0%60.0%40.0%53.3%60.0%
Outputs located — Expected outputs found in workbook100.0%±0100.0%100.0%92.2%98.9%100.0%
Workbook contract — Structure / no-errors / no-placeholder gates100.0%±0100.0%100.0%100.0%100.0%100.0%
Efficiency — Tokens per workbook (lower = better)2.44M−1.40M3.83M2.59M2.91M1.64M1.16M
Wall clock — Minutes per workbook (lower = better)7.0 min−0.5 min7.5 min8.4 min11.5 min4.2 min3.9 min

Model ML-i Exceli originaalfailide loomise võrdlustest võrdleb GPT‑5.6 Soli Opus 5 ja teiste juhtivate mudelitega.

Eelesitatud Composite’i tulemused andsid Model ML-ile piisavalt tõendeid, et laiendada GPT‑5.6 Soli kasutust tootmiskeskkonnas, sealhulgas mõnes töövoos, mida varem teenindas Opus 4.8. PowerPointi töövoogudes ühendas GPT‑5.6 Sol konkurentsivõimelise esitluskvaliteedi suurema lõpetatud ja kontrollimiseks valmis esitluste osakaaluga kui Opus 5 ning Fable 5, kasutades samal ajal umbes 21% vähem päästikuid kui Fable 5.

„Päris tööks valmis tähendab, et kasutaja saab kohe alustada sisulist kontrolli,“ ütleb Englander. „Arvud on algallikateni jälgitavad, töövihik arvutab tulemused ümber ja slaidi saab redigeerida.“

Kontrollile vastu pidavate investeerimisesitluste loomine

PowerPoint pani GPT‑5.6 Soli päris tööks valmisoleku Model ML-is nõudlikult proovile. Esitlus võib näida viimistletud, kuid kontrolli siiski mitte läbida, kui selle arvud on valed või jälitamatud, diagrammid on lamendatud või slaidid tuleb enne jagamist uuesti koostada.

Model ML käitas mudelit oma agendi täitmiskeskkonnas koos dokumentide loomise ja redigeerimise tööriistadega, mille abil sai agent luua redigeeritavate graafikute ja tabelitega slaide. Agent hoiab töötamise ajal algset lähteülesannet kontekstis ning vaatab enne faili tagastamist iga slaidi visuaalselt üle.

Allolev näide näitab, kuidas Model ML-i PowerPointi väljund paranes üleminekul GPT‑5.5‑lt GPT‑5.6 Solile, sealhulgas selgema hierarhia ja ühtlasema slaidikujunduse poolest.

Praegu pakub Model ML-i täitmiskeskkond agendile tööriistakomplekte, mida see saab laadida, et kasutada andmeintegratsioone, dokumentide redigeerimise tööriistu ja oskusi ning koodikäituskeskkondi. Nii püsib agent keskendununa ja saab kasutaja dokumentidega töötamiseks täpselt vajalikud tööriistad.

Model ML jõudis selle lahenduseni OpenAI-ga kohapeal korraldatud tööseansside käigus. Meeskonnad jälgisid, kuidas agent esitlusi kavandas, tööriistu valis ja konteksti säilitas, ning kasutasid tähelepanekuid agendi juhiste täiustamiseks ja iga tööriistakomplekti laadimisaja määramiseks.

Lahenduste loomine muutuva finantstöö jaoks

Model ML-i kliendid liiguvad brauseripõhiste väljundite poole, mis säilitavad ühenduse nende aluseks olevate mudelite ja alusmaterjalidega.

Model ML-i platvorm suudab luua turvalisi ja interaktiivseid väljundeid, mida saab pidevalt uuendada või kindla ajahetke seisuga lukustada. Kontrollija saab avada investeerimiskokkuvõtte, liikuda arvandme aluseks oleva finantsmudelini ja töötada agendiga samal lehel.

„PowerPoint, Excel ja Word loodi maailma jaoks, kus teadmustöö materjale koostati käsitsi,“ ütleb Englander. „Tehisintellekt on seda eeldust muutnud. Nüüd hakkab muutuma tarkvara ise.“