Model ML 使用 GPT‑5.6 Sol，提高財務工作效率
Model ML 在建立可編輯 PowerPoint 與 Excel 檔案的工作流程中使用 GPT‑5.6 Sol，每份簡報的 Token 用量比 Fable 5 少 21%。
成果
21%
每份 PowerPoint 簡報的 Token 用量較 Fable 5 用量降幅
成果
16.6
專業就緒率領先 Opus 5 的幅度（百分點）
成果
36%
每份 Excel 活頁簿的 Token 用量較 Opus 5 用量降幅
成果
5
分鐘即可製作客製化單頁資料表，原本約需一小時
財務分析若要經得起客戶或高階決策者檢視，團隊還必須完成要求嚴苛的最後一哩路，核對證據、建立檔案並設定格式、檢查每個數字，還要將每項主張連結至對應來源。完成的 PowerPoint 簡報或 Excel 活頁簿必須可編輯，並可隨時供人檢視。
Model ML 共同創辦人 Arnie 和 Chaz Englander 兄弟倆在兩次成功退出創業事業後，開始透過私人家族辦公室進行投資，並秉持開發者作風打造軟體來滿足自身需求，因此深知整個流程需要投入多少心力。
Model ML 的智慧體從這套軟體發展而來，可協助金融專業人士完成整套工作流程，從接收初始要求、進行研究與分析，一直到製作最終簡報或活頁簿。核心智慧體負責規劃工作、選擇適當工具、核對證據並執行計算，再將每個步驟交由最合適的模型處理，通常是 GPT‑5.6 Sol。Model ML 自有的文件工具也包含在內，可建立來源可追溯的原生 PowerPoint 與 Excel 檔案。
「較早期的模型可以完成分析師的工作，但使用者必須清楚拆解任務，具體說明期望的輸出形式。使用 GPT-5.6 Sol 後，我們發現智慧體產出的結果更接近最終成品。」
Model ML 透過端對端自動化財務工作流程來協助財務團隊。智慧體能從任務說明與來源資料著手，完成研究與建模，最終產出供客戶或交易團隊使用的材料。金融專業人士會先檢查假設、來源與傳達內容，再分享成果。
Model ML 稱這項產品「不受介面限制」。金融專業人士可透過電子郵件或 Model ML 應用程式開始一項任務，再透過 Model ML 的 Microsoft Office 外掛程式繼續處理，無須重新說明任務內容。
這種連貫性也延伸至最終成果。以投資委員會簡報為例，Model ML 可將任務說明和來源資料轉換為可編輯的 PowerPoint。處理 Excel 任務時，智慧體可從客戶範本或空白活頁簿開始，蒐集所需資料、在多個工作表中建立公式與邏輯，再套用金融專用格式，產出完整的試算表或財務模型。
Model ML 的 Composite 是公司用來評估金融服務 AI 的基準測試，在 Excel 工作流程中，GPT‑5.6 Sol 每份活頁簿的 Token 用量比 Opus 5 少 36%。
「使用者應專注於專業判斷，例如完善假設或精煉訊息，而不是只顧著重建分析。」
智慧體完成最後一哩路，不僅能節省製作個別成果的時間，也能協助團隊處理大量來源資料。在一家全球資產管理公司，分析師原本約需一小時製作的客製化單頁資料表，如今約五分鐘即可完成。在另一項工作流程中，Model ML 智慧體一次就處理了包含超過 100,000 列資料和數百個檔案的虛擬資料室。
Model ML 透過多種財務工作流程，將 GPT‑5.6 Sol 與其他領先模型一併評估。Composite 評估會追蹤一項任務的完整流程，從初始財務任務說明、研究與計算，到可編輯的簡報或試算表，再檢查數字、來源、公式與結構，以及簡報的視覺品質。
針對 PowerPoint，Model ML 的 Composite 評估納入真實工作流程，涵蓋數百份生成的簡報，並採用詳細的評分標準。
GPT‑5.6 Sol 在所有測試案例中都完成了 PowerPoint 工作流程，完成率為 100%，Opus 5 則為 76%。此外，Model ML 的專業就緒門檻用來衡量輸出內容是否已可進行實質審查，GPT‑5.6 Sol 有 43.3% 的案例達到專業就緒門檻，Opus 5 則為 26.7%。在簡報品質、是否符合任務說明、資訊層級和一致性方面，GPT‑5.6 Sol 也領先 Opus 5。
綜合上述 Composite 結果，Model ML 有充分依據在正式環境中擴大使用 GPT‑5.6 Sol，涵蓋部分先前由 Opus 4.8 處理的工作流程。在 PowerPoint 工作流程中，GPT‑5.6 Sol 的簡報品質具競爭力，完成且可供審查的簡報比例也高於 Opus 5 和 Fable 5，Token 用量則比 Fable 5 少約 21%。
Englander 表示：「能投入實際工作，代表使用者可以直接進行實質審查。數字能追溯來源、活頁簿能重新計算，投影片也能編輯。」
PowerPoint 成為 Model ML 驗證 GPT‑5.6 Sol 能否投入實際工作的一項嚴苛測試。簡報即使外觀精緻，若數字錯誤或無法追溯、圖表已轉成不可編輯的平面圖像，或投影片必須重做才能分享，仍無法通過審查。
Model ML 透過智慧體任務執行框架來執行模型，並搭配文件建立與編輯工具，讓智慧體製作的投影片包含可編輯的圖表和表格。執行期間，系統會保留原始任務說明作為情境，回傳檔案前也會逐張檢查投影片的視覺呈現。
以下範例顯示 Model ML 的 PowerPoint 輸出從 GPT‑5.5 升級至 GPT‑5.6 Sol 後的改善，包括更清楚的資訊層級與更一致的投影片設計。
之前：GPT‑5.5
之後：GPT‑5.6 Sol
目前，Model ML 的任務執行框架會提供可視需要載入的工具組，讓智慧體存取資料整合服務、文件編輯工具與技能，以及程式碼執行環境。如此一來，智慧體能專注處理工作，也能取得處理使用者文件所需的工具。
Model ML 透過與 OpenAI 進行現場工作會議，建立了這套配置。雙方團隊追蹤智慧體如何規劃簡報、選擇工具及維持情境，再運用這些發現完善智慧體指示，並決定各工具組的載入時機。
Model ML 的客戶逐漸改用瀏覽器介面呈現成果，讓輸出內容始終連結至所依據的模型和來源資料。
Model ML 平台可產出具備資安防護的互動式內容，內容可持續更新，也能鎖定在特定時間點。審查者可以開啟投資摘要，點選其中一項數據來查看背後的財務模型，也能在同一頁面與智慧體協作。
Englander 表示：「PowerPoint、Excel 和 Word 是在知識工作成果仍由人工製作的時代設計的。AI 已經改變這項前提，軟體本身也即將改變。」
