मुख्य मजकूराकडे जा
OpenAI

१० ऑगस्ट, २०२६

स्टार्टअप

GPT‑5.6 Solमुळे Model MLचे वित्तकाम अधिक कार्यक्षम

Model ML संपादनयोग्य PowerPoint आणि Excel फाइल तयार करणाऱ्या कार्यप्रवाहांमध्ये GPT‑5.6 Sol वापरते आणि प्रत्येक सादरीकरणासाठी Fable 5पेक्षा 21% कमी टोकन वापरते.

कंपनीचा आकार: स्टार्टअप
प्रदेश: ग्लोबल
उद्योग: वित्त, तंत्रज्ञान
प्रॉडक्ट्स: API

निकाल

21%

प्रत्येक PowerPoint सादरीकरणासाठी Fable 5पेक्षा कमी टोकन

निकाल

16.6

व्यावसायिक सज्जतेत Opus 5वरील टक्केवारी-बिंदूंची आघाडी

निकाल

36%

प्रत्येक Excel कार्यपुस्तिकेसाठी Opus 5 पेक्षा कमी टोकन

निकाल

5

सानुकूल तथ्यपत्रक तयार करण्यासाठी लागणारी मिनिटे, पूर्वी सुमारे एक तास

लोड होत आहे...

वित्तीय विश्लेषण ग्राहकांसमोर किंवा वरिष्ठ निर्णयकर्त्यांसमोर मांडण्यायोग्य होण्यापूर्वी संघांना त्याचा कठीण अंतिम टप्पा पूर्ण करावा लागतो: पुराव्यांचा मेळ घालणे, फाइल तयार करून तिचे स्वरूपन करणे, प्रत्येक आकडा तपासणे आणि प्रत्येक दाव्याचा त्याच्या स्रोताशी दुवा जोडणे. तयार PowerPoint सादरीकरण संच किंवा Excel कार्यपुस्तिका संपादनयोग्य आणि छाननीसाठी सज्ज असली पाहिजे.

Model MLचे सहसंस्थापक आणि बंधू आर्नी व चॅझ इंग्लँडर यांनी दोन यशस्वी निर्गमनांनंतर खासगी कौटुंबिक कार्यालयामार्फत गुंतवणूक सुरू केली. तेव्हा या कामासाठी किती मेहनत लागते हे त्यांच्या लक्षात आले आणि निर्मात्यांच्या स्वभावाप्रमाणे त्यांनी स्वतःच्या मदतीसाठी सॉफ्टवेअर तयार करण्यास सुरुवात केली.

त्याच सॉफ्टवेअरमधून विकसित झालेले Model MLचे एजंट वित्त व्यावसायिकांना प्रारंभिक विनंतीपासून संशोधन, विश्लेषण आणि तयार सादरीकरण संच किंवा कार्यपुस्तिकेपर्यंत संपूर्ण कार्यप्रवाह हाताळण्यास मदत करतात. याच्या केंद्रस्थानी असलेला मुख्य एजंट कामाचे नियोजन करतो, योग्य साधने निवडतो, पुराव्यांचा मेळ घालतो आणि गणना करतो. तो प्रत्येक टप्पा त्यासाठी सर्वाधिक योग्य मॉडेलकडे पाठवतो, जे अनेकदा GPT‑5.6 Sol असते. या साधनांमध्ये Model MLची स्वतःची दस्तऐवज साधनेही आहेत, जी स्रोतांचा मागोवा घेता येणाऱ्या मूळ PowerPoint आणि Excel फाइल तयार करतात.

“पूर्वीची मॉडेल विश्लेषकाचे काम करू शकत होती, पण वापरकर्त्याला कामाचे स्पष्टपणे विभाजन करून अपेक्षित निर्मिती नेमकी कशी दिसावी हे सांगावे लागत असे. GPT-5.6 Solमुळे एजंट अंतिम निर्मितीच्या खूप जवळ पोहोचत असल्याचे आम्हाला दिसत आहे.”
—चॅझ इंग्लँडर, Model MLचे सहसंस्थापक आणि मुख्य कार्यकारी अधिकारी

वित्तीय कामाचा अंतिम टप्पा पूर्ण करणे

Model ML वित्तीय कार्यप्रवाहांचे सुरुवातीपासून शेवटपर्यंत स्वयंचलन करून वित्त संघांना मदत करते. संक्षिप्त सूचना आणि स्रोत सामग्रीच्या आधारे एजंट संशोधन व मॉडेलिंगपासून ग्राहक किंवा व्यवहार संघांसाठी तयार सामग्रीपर्यंत संपूर्ण काम पूर्ण करू शकतो. काम सामायिक करण्यापूर्वी वित्त व्यावसायिक गृहीतके, स्रोत आणि संदेश तपासतो.

Model ML या उत्पादनाला “माध्यमनिरपेक्ष” म्हणते. वित्त व्यावसायिक ईमेलमध्ये किंवा Model ML ॲपमध्ये काम सुरू करून, ते पुन्हा समजावून न सांगता Microsoft Office प्लग-इनमध्ये पुढे सुरू ठेवू शकतो.

हे सातत्य तयार कामातही कायम राहते. गुंतवणूक समितीच्या सादरीकरणासाठी Model ML संक्षिप्त सूचना आणि स्रोत सामग्रीचे संपादनयोग्य PowerPointमध्ये रूपांतर करू शकते. Excel कामासाठी एजंट ग्राहकाच्या साच्यापासून किंवा रिकाम्या कार्यपुस्तिकेपासून सुरुवात करू शकतो, आवश्यक माहिती गोळा करू शकतो, अनेक टॅबमध्ये सूत्रे व तर्करचना तयार करू शकतो आणि नंतर वित्तविषयक स्वरूपन लागू करून संपूर्ण स्प्रेडशीट किंवा वित्तीय मॉडेल बनवू शकतो.

वित्तीय सेवांमधील AIसाठी कंपनीचा मूल्यमापन निकष असलेल्या Model MLच्या Compositeमध्ये, Excel कार्यप्रवाहात GPT‑5.6 Solने प्रत्येक कार्यपुस्तिकेसाठी Opus 5पेक्षा 36% कमी टोकन वापरले.

“वापरकर्त्याने फक्त विश्लेषण पुन्हा तयार करण्याऐवजी गृहीतके अधिक अचूक करणे किंवा संदेश अधिक नेमका करणे अशा विवेकाधारित कामावर लक्ष केंद्रित केले पाहिजे.”
—चॅझ इंग्लँडर, Model MLचे सहसंस्थापक आणि मुख्य कार्यकारी अधिकारी

काम अंतिम टप्प्यापर्यंत नेल्यामुळे एजंट प्रत्येक निर्मितीसाठी लागणारा वेळ वाचवू शकतो आणि संघांना मोठ्या प्रमाणातील स्रोत सामग्रीवर प्रक्रिया करण्यात मदत करू शकतो. एका जागतिक मालमत्ता व्यवस्थापकाकडे विश्लेषकाला तयार करण्यासाठी सुमारे एक तास लागणारे सानुकूल तथ्यपत्रक आता सुमारे पाच मिनिटांत तयार होते. दुसऱ्या एका कार्यप्रवाहात Model MLच्या एजंटनी 100,000हून अधिक ओळी आणि शेकडो फाइल असलेल्या आभासी डेटा कक्षांवर एकाच फेरीत प्रक्रिया केली.

GPT‑5.6 Sol कमी टोकनमध्ये अधिक छाननीसज्ज वित्तीय निर्मिती देते

Model MLने विविध वित्तीय कार्यप्रवाहांमध्ये GPT‑5.6 Solचे इतर आघाडीच्या मॉडेलसोबत मूल्यमापन केले. त्याचे Composite मूल्यमापन प्रारंभिक वित्तीय सूचनांपासून संशोधन व गणनांमार्फत संपादनयोग्य सादरीकरण संच किंवा स्प्रेडशीटपर्यंत संपूर्ण कामाचा मागोवा घेते. त्यानंतर ते आकडे, स्रोत, सूत्रे आणि रचना तसेच सादरीकरणांची दृश्य गुणवत्ता तपासते.

PowerPointसाठी Model MLच्या Composite मूल्यमापनात प्रत्यक्ष कार्यप्रवाहांचा समावेश असून, तपशीलवार गुणांकन निकषांसह तयार केलेल्या शेकडो सादरीकरण संचांचा त्यात समावेश आहे.

GPT‑5.6 Solने 100% चाचणी प्रकरणांमध्ये PowerPoint कार्यप्रवाह पूर्ण केला, तर Opus 5चे प्रमाण 76% होते. आशयपूर्ण छाननीसाठी निर्मिती सज्ज होती की नाही हे मोजणारा Model MLचा व्यावसायिक-सज्जता टप्पा GPT‑5.6 Solने 43.3% प्रकरणांत पार केला, तर तुलनात्मक प्रमाण 26.7% होते. सादरीकरणाची गुणवत्ता, सूचनांचे पालन, श्रेणीक्रम आणि सुसंगतता यांतही ते Opus 5पेक्षा आघाडीवर होते.

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 MLचा मूळ PowerPoint निर्मिती निकष GPT‑5.6 Solची Opus 5 आणि इतर आघाडीच्या मॉडेलशी तुलना करतो.

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 MLचा मूळ Excel फाइल निर्मिती निकष GPT‑5.6 Solची Opus 5 आणि इतर आघाडीच्या मॉडेलशी तुलना करतो.

एकत्रितपणे, वर दाखवलेल्या Composite निकालांनी Model MLला उत्पादनातील GPT‑5.6 Solचा वापर वाढवण्यासाठी पुरावा दिला. यात यापूर्वी Opus 4.8ने हाताळलेले काही कार्यप्रवाहही समाविष्ट होते. PowerPoint कार्यप्रवाहांमध्ये GPT‑5.6 Solने स्पर्धात्मक सादरीकरण गुणवत्तेसह Opus 5 आणि Fable 5पेक्षा पूर्ण व छाननीसज्ज सादरीकरणांचे अधिक प्रमाण साधले, तसेच Fable 5पेक्षा सुमारे 21% कमी टोकन वापरले.

“प्रत्यक्ष कामासाठी सज्ज याचा अर्थ वापरकर्ता थेट प्रत्यक्ष छाननी सुरू करू शकतो,” असे इंग्लँडर म्हणतात. “आकड्यांचा स्रोत शोधता येतो, कार्यपुस्तिका पुन्हा गणना करते आणि स्लाइड संपादनयोग्य असते.”

छाननीत टिकणारे गुंतवणूक सादरीकरण संच तयार करणे

GPT‑5.6 Sol प्रत्यक्ष कामासाठी सज्ज आहे का, याची PowerPointने Model MLसमोर कठीण कसोटी ठेवली. सादरीकरण संच सफाईदार दिसत असला तरी आकडे चुकीचे किंवा स्रोत न शोधता येणारे असतील, आलेख सपाट प्रतिमांत रूपांतरित झाले असतील किंवा सामायिक करण्यापूर्वी स्लाइड पुन्हा तयार कराव्या लागत असतील, तर तो छाननीत अपयशी ठरू शकतो.

Model MLने मॉडेल आपल्या एजंट हार्नेसमध्ये चालवले आणि त्यासोबत दस्तऐवज निर्मिती व संपादन साधने जोडली. त्यामुळे एजंट संपादनयोग्य आलेख आणि तक्ते असलेल्या स्लाइड तयार करू शकतो. काम करताना तो मूळ सूचना संदर्भात ठेवतो आणि फाइल परत करण्यापूर्वी प्रत्येक स्लाइडची दृश्य तपासणी करतो.

खालील उदाहरणात GPT‑5.5पासून GPT‑5.6 Solपर्यंत Model MLच्या PowerPoint निर्मितीत झालेली सुधारणा दिसते. यात अधिक स्पष्ट श्रेणीक्रम आणि अधिक सुसंगत स्लाइड रचना समाविष्ट आहे.

आज Model MLचे हार्नेस एजंटला आवश्यकतेनुसार वापरता येणारा साधनसंच देते. त्याद्वारे डेटा एकत्रीकरणे, दस्तऐवज संपादनाची साधने व कौशल्ये आणि कोड अंमलबजावणीची वातावरणे उपलब्ध होतात. यामुळे एजंटचे लक्ष केंद्रित राहते आणि वापरकर्त्याच्या दस्तऐवजांवर काम करण्यासाठी आवश्यक तीच साधने त्याला मिळतात.

OpenAIसोबत प्रत्यक्ष ठिकाणी घेतलेल्या सत्रांमधून Model MLने ही रचना विकसित केली. एजंट सादरीकरणांचे नियोजन कसे करतो, साधने कशी निवडतो आणि संदर्भ कसा टिकवतो याचा संघांनी मागोवा घेतला. त्यानंतर या निष्कर्षांच्या आधारे एजंटच्या सूचना सुधारल्या आणि प्रत्येक साधनसंच कधी वापरायचा ते ठरवले.

बदलत्या वित्तीय कामासाठी निर्मिती

Model MLचे ग्राहक अशा ब्राउझर-आधारित निर्मितीकडे वळत आहेत, जी तिच्यामागील मॉडेल आणि स्रोत सामग्रीशी जोडलेली राहते.

Model MLचे व्यासपीठ सुरक्षित आणि परस्परसंवादी निर्मिती तयार करू शकते, जी सतत अद्ययावत होऊ शकते किंवा एखाद्या विशिष्ट क्षणातील स्थितीत स्थिर केली जाऊ शकते. समीक्षक गुंतवणूक सारांश उघडून एखाद्या आकड्यामागील वित्तीय मॉडेलपर्यंत जाऊ शकतो आणि त्याच पृष्ठावरून एजंटसोबत काम करू शकतो.

“ज्ञानाधारित कामाची निर्मिती हाताने केली जात होती अशा जगासाठी PowerPoint, Excel आणि Wordची रचना झाली होती,” असे इंग्लँडर म्हणतात. “AIने ते गृहीतक बदलले आहे. आता सॉफ्टवेअरच बदलण्याच्या उंबरठ्यावर आहे.”