Preskočite na glavni sadržaj
OpenAI

10. kolovoza 2026.

Startup

Model ML učinkovitije obavlja financijske poslove uz GPT‑5.6 Sol

Model ML koristi GPT‑5.6 Sol u radnim procesima koji stvaraju PowerPoint i Excel datoteke koje se mogu uređivati, uz 21 % manje tokena po prezentaciji nego Fable 5.

Veličina tvrtke: Startup
Regija: Globalno
Industrija: Financije, Tehnologija
Proizvodi: API

Rezultati

21 %

Manje tokena po PowerPoint prezentaciji nego Fable 5

Rezultati

16,6

Prednost u postotnim bodovima nad modelom Opus 5 u profesionalnoj spremnosti

Rezultati

36 %

Manje tokena po radnoj knjizi programa Excel nego Opus 5

Rezultati

5

Minuta za izradu prilagođenog sažetka, umjesto otprilike jednog sata

Učitavanje…

Prije nego što se financijska analiza može predstaviti klijentima ili višim donositeljima odluka, timovi je moraju provesti kroz zahtjevnu završnu fazu: uskladiti dokaze, izraditi i oblikovati datoteku, provjeriti svaki broj i povezati svaku tvrdnju s njezinim izvorom. Dovršena prezentacija programa PowerPoint ili radna knjiga programa Excel mora biti spremna za uređivanje i detaljnu provjeru.

Suosnivači Model ML-a i braća Arnie i Chaz Englander uvidjeli su koliko je za to potrebno rada kada su, nakon dvije uspješne prodaje tvrtki, počeli ulagati putem privatnog obiteljskog ureda te, kao što to graditelji čine, razvijati softver za vlastite potrebe.

Agenti Model ML-a, nastali iz tog softvera, pomažu financijskim stručnjacima provesti radni proces od početnog zahtjeva preko istraživanja i analize do dovršene prezentacije ili radne knjige. U središtu je glavni agent koji planira posao, odabire odgovarajuće alate, usklađuje dokaze i izvodi izračune, usmjeravajući svaki korak modelu koji mu najbolje odgovara, a to je često GPT‑5.6 Sol. Među tim alatima su i vlastiti alati Model ML-a za dokumente, koji izrađuju izvorne datoteke programa PowerPoint i Excel s provjerljivim izvorima.

„Raniji modeli mogli su obavljati posao analitičara, ali korisnik je morao jasno raščlaniti zadatak i precizno odrediti kako želi da rezultat izgleda. Uz GPT-5.6 Sol primjećujemo da se agent znatno više približava konačnom rezultatu.”
—Chaz Englander, suosnivač i glavni izvršni direktor Model ML-a

Rješavanje završne faze financijskih poslova

Model ML pomaže financijskim timovima automatizacijom financijskih radnih procesa od početka do kraja. Na temelju sažetka zadatka i izvornog materijala agent može provesti zadatak kroz istraživanje i modeliranje do gotovih materijala za klijente ili transakcijske timove. Prije dijeljenja rada financijski stručnjak provjerava pretpostavke, izvore i poruku.

Model ML svoj proizvod naziva „neovisnim o sučelju”. Financijski stručnjak može započeti zadatak u e-pošti ili aplikaciji Model ML te ga nastaviti u dodacima za Microsoft Office bez ponovnog objašnjavanja.

Taj kontinuitet proteže se i na dovršeni rad. Za prezentaciju investicijskom odboru Model ML može pretvoriti sažetak zadatka i izvorni materijal u PowerPoint prezentaciju koja se može uređivati. Za zadatak u programu Excel agent može krenuti od klijentova predloška ili prazne radne knjige, prikupiti potrebne podatke, izraditi formule i logiku na više kartica te primijeniti oblikovanje prilagođeno financijama kako bi dobio cjelovitu proračunsku tablicu ili financijski model.

U Compositeu Model ML-a, tvrtkinu evaluacijskom standardu za umjetnu inteligenciju u financijskim uslugama, GPT‑5.6 Sol upotrijebio je 36 % manje tokena po radnoj knjizi nego Opus 5 u radnom procesu programa Excel.

„Korisnik bi se trebao usredotočiti na prosudbu, primjerice doradu pretpostavki ili izoštravanje poruke, a ne samo na ponovnu izradu analize.”
—Chaz Englander, suosnivač i glavni izvršni direktor Model ML-a

Provođenjem posla kroz tu završnu fazu agent može uštedjeti vrijeme na pojedinačnim rezultatima rada i pomoći timovima u obradi velikih količina izvornog materijala. Kod jednog globalnog upravitelja imovinom izrada prilagođenog sažetka, za koju je analitičaru trebalo oko sat vremena, sada traje oko pet minuta. U drugom radnom procesu agenti Model ML-a u jednom su prolazu obradili virtualne podatkovne sobe s više od 100.000 redaka i stotinama datoteka.

GPT‑5.6 Sol izrađuje više financijskih materijala spremnih za pregled uz manje tokena

Model ML ocijenio je GPT‑5.6 Sol zajedno s drugim vodećim modelima u nizu financijskih radnih procesa. Njegove evaluacije Composite prate zadatak od početnog financijskog sažetka, preko istraživanja i izračuna, do prezentacije ili proračunske tablice koja se može uređivati, a zatim provjeravaju brojke, izvore, formule i strukturu te vizualnu kvalitetu prezentacija.

Za PowerPoint evaluacija Composite Model ML-a obuhvaća stvarne radne procese i stotine generiranih prezentacija, uz detaljne kriterije bodovanja.

GPT‑5.6 Sol dovršio je radni proces u programu PowerPoint u 100 % testnih slučajeva, u usporedbi sa 76 % za Opus 5, te je u 43,3 % slučajeva zadovoljio prag profesionalne spremnosti Model ML-a, koji pokazuje je li rezultat spreman za sadržajni pregled, u usporedbi s 26,7 %. Nadmašio je Opus 5 i u kvaliteti prezentacije, pridržavanju sažetka zadatka, hijerarhiji i dosljednosti.

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

Evaluacijski standard Model ML-a za izvornu izradu PowerPoint prezentacija uspoređuje GPT‑5.6 Sol s modelom Opus 5 i drugim vodećim modelima.

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

Evaluacijski standard Model ML-a za izvornu izradu Excel datoteka uspoređuje GPT‑5.6 Sol s modelom Opus 5 i drugim vodećim modelima.

Zajedno gledano, prethodno prikazani rezultati Compositea pružili su Model ML-u dokaze za širu primjenu modela GPT‑5.6 Sol u produkciji, uključujući neke radne procese koje je prije izvršavao Opus 4.8. U radnim procesima programa PowerPoint GPT‑5.6 Sol spojio je konkurentnu kvalitetu prezentacija s većim udjelom dovršenih prezentacija spremnih za pregled nego Opus 5 i Fable 5, uz oko 21 % manje tokena od modela Fable 5.

„Spremnost za stvaran rad znači da korisnik može odmah prijeći na stvarni pregled”, kaže Englander. „Brojkama se može ući u trag, radna knjiga ponovno izračunava podatke, a slajd se može uređivati.”

Izrada investicijskih prezentacija koje prolaze detaljan pregled

PowerPoint je Model ML-u pružio zahtjevan test spremnosti modela GPT‑5.6 Sol za stvaran rad. Prezentacija može izgledati dotjerano, a ipak pasti na pregledu ako su brojke pogrešne ili im se ne može ući u trag, grafikoni su pretvoreni u slike ili se slajdovi moraju ponovno izraditi prije dijeljenja.

Model ML pokrenuo je model unutar svojeg testnog sklopa za agente, zajedno s alatima za izradu i uređivanje dokumenata koji agentu omogućuju izradu slajdova s grafikonima i tablicama koji se mogu uređivati. Tijekom rada zadržava izvorni sažetak zadatka u kontekstu, a prije vraćanja datoteke vizualno pregledava svaki slajd.

Primjer u nastavku pokazuje kako se PowerPoint rezultat Model ML-a poboljšao od modela GPT‑5.5 do modela GPT‑5.6 Sol, uključujući jasniju hijerarhiju i dosljedniji dizajn slajdova.

Testni sklop Model ML-a danas agentu pruža komplete alata koje može učitati radi pristupa integracijama podataka, alatima i vještinama za uređivanje dokumenata te okruženjima za izvršavanje koda. Tako agent ostaje usredotočen i dobiva upravo one alate koji su mu potrebni za rad s korisnikovim dokumentima.

Model ML došao je do ove postavke tijekom radionica uživo s tvrtkom OpenAI. Timovi su pratili kako agent planira prezentacije, odabire alate i održava kontekst, a zatim su tim spoznajama doradili upute agentu i odredili kada treba učitati svaki komplet alata.

Razvoj za novi način obavljanja financijskih poslova

Klijenti Model ML-a prelaze na rezultate u pregledniku koji ostaju povezani s modelima i izvornim materijalom na kojima se temelje.

Platforma Model ML-a može generirati sigurne i interaktivne rezultate koji se neprestano ažuriraju ili se mogu zaključati u određenom trenutku. Pregledavatelj može otvoriti investicijski sažetak, prijeći na financijski model na kojem se temelji određena brojka i raditi s agentom na istoj stranici.

„PowerPoint, Excel i Word osmišljeni su za svijet u kojem se intelektualni rad obavljao ručno”, kaže Englander. „Umjetna inteligencija promijenila je tu pretpostavku. I sam softver uskoro će se promijeniti.”