10 օգոստոսի, 2026 թ.

Ստարտափ

Мodel ML-ը ֆինանսական գործն արդյունավետ է կատարում GPT‑5.6 Sol-ով

Model ML-ը GPT‑5.6 Sol-ն օգտագործում է խմբագրելի PowerPoint և Excel ֆայլեր ստեղծող աշխատանքային գործընթացներում՝ յուրաքանչյուր ներկայացման համար ծախսելով 21%-ով քիչ թոքեն, քան Fable 5-ը։

Սկսեք ստեղծել OpenAI-ի միջոցով

Ընկերության չափը: Ստարտափ

Տարածաշրջան: Գլոբալ

Արդյունաբերություն: Ֆինանսներ, Տեխնոլոգիա

Արտադրանքներ: API

Արդյունքներ

21%

Ավելի քիչ թոքեն յուրաքանչյուր Excel աշխատանքային գրքի համար, քան Opus 5-ի դեպքում

Արդյունքներ

16.6

Մասնագիտական պատրաստվածությամբ առավելությունը Opus 5-ի նկատմամբ՝ տոկոսային կետերով

Արդյունքներ

36%

Ավելի քիչ թոքեն յուրաքանչյուր Excel աշխատանքային գրքի համար, քան Opus 5-ի դեպքում

Արդյունքներ

Անհատականացված տեղեկատվական թերթի պատրաստում րոպեների ընթացքում՝ մոտ մեկ ժամի փոխարեն

Բեռնվում է…

Նախքան ֆինանսական վերլուծությունը հաճախորդներին կամ առանցքային որոշում կայացնողներին ներկայացնելը, թիմերը պետք է հաղթահարեն բարդ վերջին փուլը՝ համադրեն ապացույցները, ստեղծեն ու ձևաչափեն ֆայլը, ստուգեն յուրաքանչյուր թիվ և յուրաքանչյուր պնդում կապեն դրա աղբյուրին։ PowerPoint-ի պատրաստի ներկայացումը կամ Excel-ի աշխատանքային գիրքը պետք է լինի խմբագրելի և պատրաստ մանրակրկիտ ստուգման։

Model ML-ի համահիմնադիր եղբայրներ Առնի ու Չազ Էնգլանդերները հասկացան, թե դա որքան աշխատանք է պահանջում, երբ երկու հաջողված ընկերությունների վաճառքից հետո սկսեցին ներդրումներ անել մասնավոր ընտանեկան գրասենյակի միջոցով և, ինչպես հատուկ է ստեղծողներին, իրենց աշխատանքը հեշտացնելու համար ծրագրային ապահովում մշակել։

Այդ ծրագրային ապահովման հիման վրա ստեղծված Model ML-ի ագենտներն օգնում են ֆինանսների մասնագետներին ամբողջ աշխատանքային ընթացքը հասցնել սկզբնական հարցումից մինչև հետազոտություն, վերլուծություն և պատրաստի ներկայացում կամ աշխատանքային գիրք։ Համակարգի հիմքում գլխավոր ագենտն է, որը պլանավորում է աշխատանքը, ընտրում ճիշտ գործիքները, համադրում ապացույցները և հաշվարկներ կատարում՝ յուրաքանչյուր քայլն ուղղորդելով դրա համար առավել հարմար մոդելին, որը հաճախ GPT‑5.6 Sol-ն է։ Այդ գործիքների թվում է փաստաթղթերի մշակման Model ML-ի սեփական գործիքակազմը, որը ստեղծում է հետագծելի աղբյուրներով PowerPoint և Excel ձևաչափի ֆայլեր։

«Ավելի վաղ մոդելները կարող էին կատարել վերլուծաբանի աշխատանքը, սակայն օգտատերը պետք է հստակ բաժաներ առաջադրանքը մասերի՝ մասնավորապես նշելով, թե ինչ տեսք պետք է ունենա արդյունքը։ GPT-5.6 Sol-ի դեպքում տեսնում ենք, որ ագենտը շատ ավելի է մոտենում վերջնական արդյունքին»։

-Չազ Էնգլանդեր, Model ML-ի համահիմնադիր և գլխավոր գործադիր տնօրեն

Ֆինանսական աշխատանքի վերջին փուլի լուծումը

Model ML-ն օգնում է ֆինանսական թիմերին՝ ամբողջությամբ ավտոմատացնելով ֆինանսական աշխատանքային ընթացքները։ Հանձնարարության նկարագրից և սկզբնաղբյուր նյութերից սկսելով՝ ագենտը կարող է հետազոտության ու մոդելավորման միջոցով այն հասցնել հաճախորդների կամ գործարքների թիմերի համար նախատեսված պատրաստի նյութերի։ Նախքան աշխատանքը ներկայացնելը՝ ֆինանսների մասնագետը ստուգում է ենթադրությունները, աղբյուրներն ու ուղերձը։

Model ML-ն իր արտադրանքն անվանում է «միջերեսից անկախ»։ Ֆինանսների մասնագետը կարող է հանձնարարությունը սկսել էլփոստում կամ Model ML հավելվածում, ապա առանց այն կրկին բացատրելու շարունակել Microsoft Office-ի փլագիններում։

Այդ շարունակականությունը պահպանվում է նաև պատրաստի աշխատանքում։ Ներդրումային հանձնաժողովի ներկայացման համար Model ML-ը կարող է հանձնարարության նկարագիրն ու սկզբնաղբյուր նյութերը վերածել խմբագրելի PowerPoint ֆայլի։ Excel-ի առաջադրանքի դեպքում ագենտը կարող է սկսել հաճախորդի ձևանմուշից կամ դատարկ աշխատանքային գրքից, հավաքել անհրաժեշտ տվյալները, մի քանի ներդիրներում կազմել բանաձևերն ու տրամաբանությունը, ապա կիրառել ֆինանսներին հատուկ ձևաչափում՝ ստանալով ամբողջական աղյուսակ կամ ֆինանսական մոդել։

Ֆինանսական ծառայություններում ԱԲ-ի գնահատման՝ Model ML-ի Composite հենանիշում GPT‑5.6 Sol-ը Excel-ի աշխատանքային ընթացքի յուրաքանչյուր գրքի համար օգտագործել է 36%-ով ավելի քիչ թոքեն, քան Opus 5-ը։

«Օգտատերը պետք է կենտրոնանա մասնագիտական դատողության վրա, օրինակ՝ ենթադրությունները ճշգրտելու կամ ուղերձն ավելի հստակ դարձնելու, այլ ոչ թե պարզապես վերլուծությունը վերակառուցելու վրա»։

Չազ Էնգլանդեր, Model ML-ի համահիմնադիր և գլխավոր գործադիր տնօրեն

Աշխատանքը մինչև այդ վերջին փուլը հասցնելով՝ ագենտը կարող է նաև ժամանակ խնայել առանձին արդյունքների պատրաստման ժամանակ և օգնել թիմերին մշակել մեծ ծավալի սկզբնաղբյուր նյութեր։ Ակտիվների կառավարման մի համաշխարհային ընկերությունում վերլուծաբանի կողմից մոտ մեկ ժամում կազմվող հատուկ ամփոփ թերթն այժմ պատրաստվում է մոտ հինգ րոպեում։ Մեկ այլ աշխատանքային ընթացքի շրջանակում Model ML-ի ագենտները մեկ անցումով մշակել են ավելի քան 100,000 տող և հարյուրավոր ֆայլեր պարունակող վիրտուալ տվյալների սենյակներ։

GPT‑5.6 Sol-ն ավելի քիչ թոքենով ստեղծում է ստուգմանն ավելի պատրաստ ֆինանսական նյութեր

Model ML-ը GPT‑5.6 Sol-ը գնահատել է այլ առաջատար մոդելների հետ մեկտեղ՝ ֆինանսական տարբեր աշխատանքային գործընթացներում։ Դրա Composite գնահատումները հետևում են հանձնարարությանը՝ նախնական ֆինանսական հանձնարարականից, հետազոտությունից ու հաշվարկներից մինչև խմբագրելի ներկայացում կամ աղյուսակ, ապա ստուգում են թվերը, աղբյուրները, բանաձևերն ու կառուցվածքը, իսկ ներկայացումների դեպքում՝ նաև տեսողական որակը։

PowerPoint-ի դեպքում Model ML-ի Composite գնահատումը ներառում է իրական աշխատանքային գործընթաքներ և ընդգրկում է ստեղծված հարյուրավոր ներկայացումներ` մանրամասն գնահատման չափանիշներով։

GPT‑5.6 Sol-ը PowerPoint-ի աշխատանքային գործընթացն ավարտել է թեստային դեպքերի 100%-ում՝ Opus 5-ի 76%-ի համեմատ, և բավարարել է Model ML-ի մասնագիտական պատրաստվածության չափանիշիը, որը ցույց է տալիս՝ արդյոք արդյունքը պատրաստ է բովանդակային ստուգմանը, հաղթահարել է դեպքերի 43.3%-ում՝ Opus 5-ի 26.7%-ի համեմատ։ Այն Opus 5-ին գերազանցել է նաև ներկայացման որակով, հանձնարարականին համապատասխանության աստիճանով, հիերարխիայով և հետևողականությամբ։

Native PowerPoint creation model benchmark, Model ML’s Composite eval

Metric	GPT 5.6 Sol	Δ Sol–O5	Opus 5	Fable 5	Opus 4.8	GPT 5.6 Terra	GPT-5.5
Deck quality — Overall score, readiness-gated	59.9%	+3.2	56.7%	59.3%	58.7%	52.5%	44.4%
Deliverability — Professional-readiness rate (gate)	43.3%	+16.6	26.7%	32.0%	17.3%	17.3%	16.0%
Deck produced — Items yielding a .pptx	100.0%	+24.0	76.0%	82.0%	80.0%	80.0%	74.0%
Brief adherence — Instruction following	78.8%	+0.9	77.9%	78.5%	78.4%	74.1%	79.6%
Visual quality — Aggregate visual judge — components below	77.9%	−1.4	79.3%	78.9%	75.1%	74.4%	68.5%
Layout — Layout & composition	75.9%	−2.9	78.8%	78.7%	76.2%	76.1%	67.8%
Hierarchy — Visual hierarchy	87.2%	+0.5	86.7%	85.5%	85.5%	85.6%	83.7%
Data viz — Chart legibility	78.8%	−4.3	83.1%	79.7%	73.3%	74.6%	68.4%
Consistency — Design coherence	97.8%	+4.5	93.3%	95.8%	97.5%	75.0%	90.0%
Efficiency — Tokens per deck (lower = better)	1.10M	+144K	953K	1.40M	1.16M	720K	1.01M

PowerPoint-ի բնիկ ֆայլերի ստեղծման Model ML-ի հենանիշը համեմատում է GPT‑5.6 Sol-ը Opus 5-ի և այլ առաջատար մոդելների հետ։

Native Excel creation model benchmark, Model ML’s Composite eval

Metric	GPT 5.6 Sol	Δ Sol–O5	Opus 5	Fable 5	Opus 4.8	GPT 5.6 Terra	GPT-5.5
Key outputs correct — Headline accuracy vs golden model	83.3%	+0.5	82.8%	80.6%	74.4%	82.2%	83.3%
Fully correct models — Items with every key output right	50.0%	−10.0	60.0%	60.0%	40.0%	53.3%	60.0%
Outputs located — Expected outputs found in workbook	100.0%	±0	100.0%	100.0%	92.2%	98.9%	100.0%
Workbook contract — Structure / no-errors / no-placeholder gates	100.0%	±0	100.0%	100.0%	100.0%	100.0%	100.0%
Efficiency — Tokens per workbook (lower = better)	2.44M	−1.40M	3.83M	2.59M	2.91M	1.64M	1.16M
Wall clock — Minutes per workbook (lower = better)	7.0 min	−0.5 min	7.5 min	8.4 min	11.5 min	4.2 min	3.9 min

Excel-ի բնիկ ֆայլերի ստեղծման Model ML-ի հենանիշը համեմատում է GPT‑5.6 Sol-ը Opus 5-ի և այլ առաջատար մոդելների հետ։

Վերևում ներկայացված Composite-ի համախառն արդյունքները Model ML-ին բավարար հիմք տվեցին արտադրական միջավայրում ընդլայնելու GPT‑5.6 Sol-ի կիրառումը, այդ թվում՝ նախկինում Opus 4.8-ի կատարած որոշ աշխատանքային գործընթացներում։ PowerPoint-ի աշխատանքային գործընթացներում GPT‑5.6 Sol-ը մրցունակ որակը համադրել է ավարտված և ստուգման պատրաստ ներկայացումների ավելի բարձր ցուցանիշի հետ, քան Opus 5-ն ու Fable 5-ը՝ միաժամանակ օգտագործելով մոտ 21%-ով ավելի քիչ թոքեն, քան Fable 5-ը։

«Իրական աշխատանքի պատրաստ լինելը նշանակում է, որ օգտատերը կարող է անմիջապես անցնել իրական ստուգման», ասում է Էնգլանդերը։ «Թվերը հետագծելի են մինչև սկզբնաղբյուրները, աշխատանքային գիրքը վերահաշվարկվում է, իսկ սլայդը խմբագրելի է»։

Ստեղծել ներդրումային ներկայացումներ, որոնք դիմանում են մանրակրկիտ ստուգմանը

PowerPoint-ը Model ML-ի համար բարդ փորձություն էր՝ պարզելու, թե արդյոք GPT‑5.6 Sol-ը պատրաստ է իրական աշխատանքի։ Ներկայացումը կարող է հղկված տեսք ունենալ, բայց չանցնել ստուգումը, եթե թվերը սխալ կամ անհետագծելի են, գծապատկերները վերածված են չխմբագրվող տարրերի, կամ սլայդները տարածելուց առաջ պետք է վերակառուցել։

Model ML-ը մոդելն աշխատեցրել է իր ագենտային հարնեսում՝ այն համակցելով փաստաթղթերի ստեղծման ու խմբագրման գործիքների հետ, որոնք ագենտին թույլ են տալիս խմբագրելի գծապատկերներով ու աղյուսակներով սլայդներ ստեղծել։ Աշխատանքի ընթացքում այն պահպանում է սկզբնական նկարագիրը համատեքստում, ապա ֆայլը վերադարձնելուց առաջ տեսողականորեն ստուգում յուրաքանչյուր սլայդ։

Ստորև բերված օրինակը ցույց է տալիս, թե ինչպես է GPT‑5.5‑ից GPT‑5.6 Sol-ին անցնելիս բարելավվել Model ML-ի PowerPoint արդյունքը՝ ապահովելով ավելի հստակ հիերարխիա և սլայդների ավելի հետևողական ձևավորում։

GPT-5.5-ից առաջ ստեղծված PowerPoint սլայդի օրինակ՝ ըստ տարածաշրջանների գլոբալ ներկայության պակաս մշակված ներկայացմամբ։

Նախկինում՝ GPT‑5.5

GPT-5.6 Sol-ից հետո ստեղծված PowerPoint սլայդի օրինակ՝ ըստ տարածաշրջանների գլոբալ ներկայության ավելի հստակ ներկայացմամբ։

Հետո՝ GPT‑5.6 Sol

Այսօր Model ML-ի հարնեսն ագենտին տրամադրում է գործիքակազմեր, որոնք այն կարող է բեռնել՝ տվյալների ինտեգրումներից, փաստաթղթերի խմբագրման գործիքներից ու հմտություններից և կոդի կատարման միջավայրերից օգտվելու համար։ Դա օգնում է ագենտին կենտրոնացած մնալ և տրամադրում է հենց այն գործիքները, որոնք անհրաժեշտ են օգտատիրոջ փաստաթղթերի հետ աշխատելու համար։

Model ML-ն այս կառուցվածքին հասել է OpenAI-ի հետ տեղում անցկացված աշխատաշրջանների միջոցով։ Թիմերը հետևել են, թե ինչպես է ագենտը պլանավորում ներկայացումները, ընտրում գործիքները և պահպանում համատեքստը, ապա այդ դիտարկումներով ճշգրտել են ագենտի հրահանգները և որոշել, թե յուրաքանչյուր գործիքակազմը երբ պետք է բեռնվի։

Ստեղծել լուծումներ` ֆինանսական աշխատանքի փոփոխվող պահանջներին համապատասխան

Model ML-ի հաճախորդներն անցնում են դիտարկիչում աշխատող արդյունքների, որոնք պահպանում են կապը դրանց հիմքում ընկած մոդելներին և սկզբնաղբյուր նյութերին։

Model ML-ի հարթակը կարող է ստեղծել անվտանգ, ինտերակտիվ արդյունքներ, որոնք կարող են շարունակաբար թարմացվել կամ ամրագրվել ժամանակի որոշակի պահի դրությամբ։ Ստուգողը կարող է բացել ներդրումային ամփոփագիրը, թվի հիմքում ընկած ֆինանսական մոդելին անցնել մեկ սեղմումով և նույն էջից աշխատել ագենտի հետ։

«PowerPoint-ը, Excel-ը և Word-ը ստեղծվել են ժամանակների համար, երբ գիտելիքահենք աշխատանք ստեղծելը ձեռքով իրականացվող գործընթաց էր», ասում է Էնգլանդերը։ «ԱԲ-ն փոխել է այդ նախադրույթը։ Այժմ փոխվելու է հենց ծրագրային ապահովումը»։

OpenAI-ն <3 ստարտափներին։

Միացեք համայնքին Սկսեք կառուցել

Շարունակել կարդալ

Դիտել բոլորը

Replit-ը GPT-5.6 Luna-ով հասանելի է դարձնում ծրագրի ստեղծումը

Ստարտափ19 օգս, 2026 թ.

Warp-ի մեծ խաղադրույքը GPT-5.5-ով բաց կոդ ստեղծելու վրա

Ստարտափ27 մյս, 2026 թ.

Parloa-ն ստեղծում է ագենտներ, որոնց հետ ուզում են խոսել

Ստարտափ7 մյս, 2026 թ.