Model ML使用GPT-5.6 Sol提高金融工作效率
# Model ML使用GPT-5.6 Sol提高金融工作效率
Model ML在创建可编辑的PowerPoint和Excel文件的工作流程中，使用GPT‑5.6 Sol，每套演示文稿的代币数量比Fable 5减少了21%。
[开始使用OpenAI](https://openai.com/startups/)
公司规模：初创企业
地区：全球
行业：金融、科技
产品：API
## 结果
- **减少21%** 每个PowerPoint演示文稿的代币数量（对比Fable 5）
- **领先16.6** 个百分点，比Opus 5的专业准备程度
- **减少36%** 每个Excel工作簿的代币数量（对比Opus 5）
- **仅需5分钟** 完成定制的工作表，而之前需要约1小时
在财务分析面对客户或高层决策者之前，团队必须经历一个充满挑战的最后阶段：调和证据、构建和格式化文件、检查每一个数字，并将每个声明与其来源链接。成品的PowerPoint演示文稿或Excel工作簿必须是可编辑且准备接受审查的。
Model ML的联合创始人兄弟阿尼和查兹·英格兰德（Arnie & Chaz Englander）在经过两次成功的创业退出后，开始通过一个私人的家族办公室进行投资，并像建设者一样，开发软件来帮助自己。
根据这一软件开发，Model ML的代理帮助金融专业人士从最初的请求开始，经历研究、分析，到最终的演示或工作簿。核心代理计划工作，选择合适的工具，调和证据并运行计算，将每个步骤路由到最合适的模型，通常是GPT‑5.6 Sol。其中的工具包括Model ML自己的文档工具，能够制作具有可追溯来源的原生PowerPoint和Excel文件。
> “早期的模型可以完成分析师的工作，但用户必须明确拆分任务，具体说明希望输出的样子。使用GPT-5.6 Sol，我们发现代理能够更接近最终输出。”
> —查兹·英格兰德，Model ML联合创始人兼首席执行官
## 解决金融工作的最后一公里
Model ML通过自动化金融工作流程，从头到尾帮助金融团队。根据简要和来源材料，代理可以将任务从研究和建模推进到最终客户或交易团队的材料。金融专业人士在分享工作之前检查假设、来源和信息。
Model ML称其产品为“表面无关”。金融专业人士可以在电子邮件或Model ML应用程序中开始任务，然后在其Microsoft Office插件中继续，无需重新解释。
这种连贯性延续到了成品。在投资委员会演示文稿中，Model ML可以将简要和来源材料转化为可编辑的PowerPoint。在Excel任务中，代理可以从客户模板或空白工作簿开始，收集所需数据，在多个选项卡中构建公式和逻辑，然后应用金融特定格式，生成完整的表格或财务模型。
在Model ML的复合评估中，GPT‑5.6 Sol在Excel工作流程中每个工作簿的代币数量比Opus 5减少了36%。
> “用户应该专注于判断，比如完善假设或明确信息，而不仅仅是重建分析。”
> —查兹·英格兰德，Model ML联合创始人兼首席执行官
代理通过解决最后一公里的工作，能够节省单个交付项目的时间，帮助团队处理大量的来源材料。在一家全球资产管理公司，一个定制的工作表之前需要分析师约一个小时组装，现在只需约五分钟。在另一个工作流程中，Model ML的代理处理了包含超过100,000行和数百个文件的虚拟数据室，且仅需一次通过。
### GPT‑5.6 Sol以更少的代币提供更多审查准备的金融交付
Model ML评估了GPT‑5.6 Sol与多种主流模型在一系列金融工作流程中的表现。其复合评估遵循从初始金融简报到研究和计算，再到可编辑的演示文稿或电子表格，随后检查数字、来源、公式和结构，以及演示文稿的视觉质量。
对于PowerPoint，Model ML的复合评估包含真实工作流程，并跨越数百个生成的演示文稿，有详细的评分标准。
在所有测试案例中，GPT‑5.6 Sol完成了PowerPoint工作流程的100%，而Opus 5完成率为76%。在43.3%的情况下，GPT‑5.6 Sol通过了Model ML的专业准备门槛，而Opus 5仅为26.7%。它在演示文稿质量、简报遵循、层次结构和一致性方面也超过了Opus 5。
### Model ML的原生PowerPoint创建模型基准，Model ML的复合评估
| 指标 | GPT 5.6 Sol | Δ Sol–O5 | Opus 5 | Fable 5 | Opus 4.8 | GPT 5.6 Terra | GPT-5.5 |
|--------------------------|-------------|-----------|--------|---------|-----------|----------------|---------|
| 演示文稿质量 — 总体评分，专业准备门槛 | 59.9% | +3.2 | 56.7% | 59.3% | 58.7% | 52.5% | 44.4% |
| 可交付性 — 专业准备率（门槛） | 43.3% | +16.6 | 26.7% | 32.0% | 17.3% | 17.3% | 16.0% |
| 产生演示文稿 — 生成.pptx的项目 | 100.0% | +24.0 | 76.0% | 82.0% | 80.0% | 80.0% | 74.0% |
| 简报遵循 — 指令遵循 | 78.8% | +0.9 | 77.9% | 78.5% | 78.4% | 74.1% | 79.6% |
| 视觉质量 — 总体视觉评分 — 元素 | 77.9% | -1.4 | 79.3% | 78.9% | 75.1% | 74.4% | 68.5% |
| 布局 — 布局与构成 | 75.9% | -2.9 | 78.8% | 78.7% | 76.2% | 76.1% | 67.8% |
| 层次结构 — 视觉层次 | 87.2% | +0.5 | 86.7% | 85.5% | 85.5% | 85.6% | 83.7% |
| 数据可视化 — 图表可读性 | 78.8% | -4.3 | 83.1% | 79.7% | 73.3% | 74.6% | 68.4% |
| 一致性 — 设计连贯性 | 97.8% | +4.5 | 93.3% | 95.8% | 97.5% | 75.0% | 90.0% |
| 效率 — 每个演示文稿的代币数（越少越好） | 1.10M | +144K | 953K | 1.40M | 1.16M | 720K | 1.01M |
Model ML的原生PowerPoint创建基准比较了GPT‑5.6 Sol与Opus 5及其他主流模型。
### Model ML的原生Excel创建模型基准，Model ML的复合评估
| 指标 | GPT 5.6 Sol | Δ Sol–O5 | Opus 5 | Fable 5 | Opus 4.8 | GPT 5.6 Terra | GPT-5.5 |
|-------------------------------|-------------|-----------|--------|---------|-----------|----------------|---------|
| 关键输出正确 — 与黄金模型的主要准确性 | 83.3% | +0.5 | 82.8% | 80.6% | 74.4% | 82.2% | 83.3% |
| 完全正确模型 — 每个关键输出都正确的项目 | 50.0% | -10.0 | 60.0% | 60.0% | 40.0% | 53.3% | 60.0% |
| 输出定位 — 在工作簿中找到预期输出 | 100.0% | ±0 | 100.0% | 100.0% | 92.2% | 98.9% | 100.0% |
| 工作簿合同 — 结构 / 无错误 / 无占位符的门槛 | 100.0% | ±0 | 100.0% | 100.0% | 100.0% | 100.0% | 100.0% |
| 效率 — 每个工作簿的代币数（越少越好） | 2.44M | -1.40M | 3.83M | 2.59M | 2.91M | 1.64M | 1.16M |
| 实际时间 — 每个工作簿的分钟数（越少越好） | 7.0 min | -0.5 min | 7.5 min| 8.4 min | 11.5 min | 4.2 min | 3.9 min|
Model ML的原生Excel创建基准比较了GPT‑5.6 Sol与Opus 5及其他主流模型。
结合以上数据显示，Model ML有证据扩展GPT‑5.6 Sol在生产中的应用，包括之前由Opus 4.8处理的部分工作流程。在PowerPoint工作流程中，GPT‑5.6 Sol在生成的演示文稿质量和完成可审查演示文稿的比率方面结合了竞争优势，同时使用的代币数量比Fable 5少约21%。
“准备好真实工作意味着用户可以直接进入实际审查，”英格兰德表示。“数字可以追溯，工作簿可以重新计算，幻灯片是可编辑的。”
## 创建经得起审核的投资演示文稿
PowerPoint为Model ML提供了一个严格的测试，检验GPT‑5.6 Sol是否准备好进行真实的工作。一个演示文稿看似精致，但如果数字错误或无法追溯、图表被展平，或幻灯片必须在共享之前重建，那它就会在审核中失败。
Model ML在其代理工具中运行该模型，结合了文档创建和编辑工具，使代理能够创建带有可编辑图表和表格的幻灯片。它在工作时保持原始简报的上下文，然后在返回文件之前审查每一张幻灯片。
下例显示了Model ML的PowerPoint输出从GPT‑5.5到GPT‑5.6 Sol的改进，包括更清晰的层次结构和更一致的幻灯片设计。
***之前：GPT‑5.5***
***之后：GPT‑5.6 Sol***
如今，Model ML的工具包为代理提供了它可以加载以访问数据集成、文档编辑工具和技能、代码执行环境的工具。这使代理能够集中精力，并提供它在用户文档中工作所需的所有工具。
Model ML通过与OpenAI的现场会议实现了这一设置。团队追踪代理如何规划演示文稿、选择工具并保持上下文，然后利用这些发现来优化代理的指令并决定每个工具包应该在何时加载。
## 构建适应金融工作变革的工具
Model ML的客户正在向基于浏览器的输出转变，这些输出保持与其背后的模型和来源材料的连接。
Model ML的平台能够生成安全、交互式的输出，这些输出可以持续更新，或者固定在某一时刻。审核人员可以打开投资摘要，点击到数字背后的财务模型，与代理在同一页面进行操作。
“PowerPoint、Excel和Word是为手动创建知识工作的世界而设计的，”英格兰德说。“人工智能改变了这一假设。软件本身即将发生变化。”
## OpenAI <3 初创企业
[加入社区](https://openai.com/leads/startup/) [开始构建（在新窗口中打开）](https://openai.com/startups)
## 继续阅读
[查看所有](https://openai.com/news/)
[Warp's big bet on building open source with GPT-5.5](https://openai.com/index/warp/)
*初创企业 2026年5月27日*
[Parloa builds service agents customers want to talk to](https://openai.com/index/parloa/)
*初创企业 2026年5月7日*
[Gradient Labs gives every bank customer an AI account manager](https://openai.com/index/gradient-labs/)
*初创企业 2026年4月1日*
---
原文链接：[点击查看](https://openai.com/index/model-ml)
Model ML在创建可编辑的PowerPoint和Excel文件的工作流程中，使用GPT‑5.6 Sol，每套演示文稿的代币数量比Fable 5减少了21%。
[开始使用OpenAI](https://openai.com/startups/)
公司规模：初创企业
地区：全球
行业：金融、科技
产品：API
## 结果
- **减少21%** 每个PowerPoint演示文稿的代币数量（对比Fable 5）
- **领先16.6** 个百分点，比Opus 5的专业准备程度
- **减少36%** 每个Excel工作簿的代币数量（对比Opus 5）
- **仅需5分钟** 完成定制的工作表，而之前需要约1小时
在财务分析面对客户或高层决策者之前，团队必须经历一个充满挑战的最后阶段：调和证据、构建和格式化文件、检查每一个数字，并将每个声明与其来源链接。成品的PowerPoint演示文稿或Excel工作簿必须是可编辑且准备接受审查的。
Model ML的联合创始人兄弟阿尼和查兹·英格兰德（Arnie & Chaz Englander）在经过两次成功的创业退出后，开始通过一个私人的家族办公室进行投资，并像建设者一样，开发软件来帮助自己。
根据这一软件开发，Model ML的代理帮助金融专业人士从最初的请求开始，经历研究、分析，到最终的演示或工作簿。核心代理计划工作，选择合适的工具，调和证据并运行计算，将每个步骤路由到最合适的模型，通常是GPT‑5.6 Sol。其中的工具包括Model ML自己的文档工具，能够制作具有可追溯来源的原生PowerPoint和Excel文件。
> “早期的模型可以完成分析师的工作，但用户必须明确拆分任务，具体说明希望输出的样子。使用GPT-5.6 Sol，我们发现代理能够更接近最终输出。”
> —查兹·英格兰德，Model ML联合创始人兼首席执行官
## 解决金融工作的最后一公里
Model ML通过自动化金融工作流程，从头到尾帮助金融团队。根据简要和来源材料，代理可以将任务从研究和建模推进到最终客户或交易团队的材料。金融专业人士在分享工作之前检查假设、来源和信息。
Model ML称其产品为“表面无关”。金融专业人士可以在电子邮件或Model ML应用程序中开始任务，然后在其Microsoft Office插件中继续，无需重新解释。
这种连贯性延续到了成品。在投资委员会演示文稿中，Model ML可以将简要和来源材料转化为可编辑的PowerPoint。在Excel任务中，代理可以从客户模板或空白工作簿开始，收集所需数据，在多个选项卡中构建公式和逻辑，然后应用金融特定格式，生成完整的表格或财务模型。
在Model ML的复合评估中，GPT‑5.6 Sol在Excel工作流程中每个工作簿的代币数量比Opus 5减少了36%。
> “用户应该专注于判断，比如完善假设或明确信息，而不仅仅是重建分析。”
> —查兹·英格兰德，Model ML联合创始人兼首席执行官
代理通过解决最后一公里的工作，能够节省单个交付项目的时间，帮助团队处理大量的来源材料。在一家全球资产管理公司，一个定制的工作表之前需要分析师约一个小时组装，现在只需约五分钟。在另一个工作流程中，Model ML的代理处理了包含超过100,000行和数百个文件的虚拟数据室，且仅需一次通过。
### GPT‑5.6 Sol以更少的代币提供更多审查准备的金融交付
Model ML评估了GPT‑5.6 Sol与多种主流模型在一系列金融工作流程中的表现。其复合评估遵循从初始金融简报到研究和计算，再到可编辑的演示文稿或电子表格，随后检查数字、来源、公式和结构，以及演示文稿的视觉质量。
对于PowerPoint，Model ML的复合评估包含真实工作流程，并跨越数百个生成的演示文稿，有详细的评分标准。
在所有测试案例中，GPT‑5.6 Sol完成了PowerPoint工作流程的100%，而Opus 5完成率为76%。在43.3%的情况下，GPT‑5.6 Sol通过了Model ML的专业准备门槛，而Opus 5仅为26.7%。它在演示文稿质量、简报遵循、层次结构和一致性方面也超过了Opus 5。
### Model ML的原生PowerPoint创建模型基准，Model ML的复合评估
| 指标 | GPT 5.6 Sol | Δ Sol–O5 | Opus 5 | Fable 5 | Opus 4.8 | GPT 5.6 Terra | GPT-5.5 |
|--------------------------|-------------|-----------|--------|---------|-----------|----------------|---------|
| 演示文稿质量 — 总体评分，专业准备门槛 | 59.9% | +3.2 | 56.7% | 59.3% | 58.7% | 52.5% | 44.4% |
| 可交付性 — 专业准备率（门槛） | 43.3% | +16.6 | 26.7% | 32.0% | 17.3% | 17.3% | 16.0% |
| 产生演示文稿 — 生成.pptx的项目 | 100.0% | +24.0 | 76.0% | 82.0% | 80.0% | 80.0% | 74.0% |
| 简报遵循 — 指令遵循 | 78.8% | +0.9 | 77.9% | 78.5% | 78.4% | 74.1% | 79.6% |
| 视觉质量 — 总体视觉评分 — 元素 | 77.9% | -1.4 | 79.3% | 78.9% | 75.1% | 74.4% | 68.5% |
| 布局 — 布局与构成 | 75.9% | -2.9 | 78.8% | 78.7% | 76.2% | 76.1% | 67.8% |
| 层次结构 — 视觉层次 | 87.2% | +0.5 | 86.7% | 85.5% | 85.5% | 85.6% | 83.7% |
| 数据可视化 — 图表可读性 | 78.8% | -4.3 | 83.1% | 79.7% | 73.3% | 74.6% | 68.4% |
| 一致性 — 设计连贯性 | 97.8% | +4.5 | 93.3% | 95.8% | 97.5% | 75.0% | 90.0% |
| 效率 — 每个演示文稿的代币数（越少越好） | 1.10M | +144K | 953K | 1.40M | 1.16M | 720K | 1.01M |
Model ML的原生PowerPoint创建基准比较了GPT‑5.6 Sol与Opus 5及其他主流模型。
### Model ML的原生Excel创建模型基准，Model ML的复合评估
| 指标 | GPT 5.6 Sol | Δ Sol–O5 | Opus 5 | Fable 5 | Opus 4.8 | GPT 5.6 Terra | GPT-5.5 |
|-------------------------------|-------------|-----------|--------|---------|-----------|----------------|---------|
| 关键输出正确 — 与黄金模型的主要准确性 | 83.3% | +0.5 | 82.8% | 80.6% | 74.4% | 82.2% | 83.3% |
| 完全正确模型 — 每个关键输出都正确的项目 | 50.0% | -10.0 | 60.0% | 60.0% | 40.0% | 53.3% | 60.0% |
| 输出定位 — 在工作簿中找到预期输出 | 100.0% | ±0 | 100.0% | 100.0% | 92.2% | 98.9% | 100.0% |
| 工作簿合同 — 结构 / 无错误 / 无占位符的门槛 | 100.0% | ±0 | 100.0% | 100.0% | 100.0% | 100.0% | 100.0% |
| 效率 — 每个工作簿的代币数（越少越好） | 2.44M | -1.40M | 3.83M | 2.59M | 2.91M | 1.64M | 1.16M |
| 实际时间 — 每个工作簿的分钟数（越少越好） | 7.0 min | -0.5 min | 7.5 min| 8.4 min | 11.5 min | 4.2 min | 3.9 min|
Model ML的原生Excel创建基准比较了GPT‑5.6 Sol与Opus 5及其他主流模型。
结合以上数据显示，Model ML有证据扩展GPT‑5.6 Sol在生产中的应用，包括之前由Opus 4.8处理的部分工作流程。在PowerPoint工作流程中，GPT‑5.6 Sol在生成的演示文稿质量和完成可审查演示文稿的比率方面结合了竞争优势，同时使用的代币数量比Fable 5少约21%。
“准备好真实工作意味着用户可以直接进入实际审查，”英格兰德表示。“数字可以追溯，工作簿可以重新计算，幻灯片是可编辑的。”
## 创建经得起审核的投资演示文稿
PowerPoint为Model ML提供了一个严格的测试，检验GPT‑5.6 Sol是否准备好进行真实的工作。一个演示文稿看似精致，但如果数字错误或无法追溯、图表被展平，或幻灯片必须在共享之前重建，那它就会在审核中失败。
Model ML在其代理工具中运行该模型，结合了文档创建和编辑工具，使代理能够创建带有可编辑图表和表格的幻灯片。它在工作时保持原始简报的上下文，然后在返回文件之前审查每一张幻灯片。
下例显示了Model ML的PowerPoint输出从GPT‑5.5到GPT‑5.6 Sol的改进，包括更清晰的层次结构和更一致的幻灯片设计。
***之前：GPT‑5.5***
***之后：GPT‑5.6 Sol***
如今，Model ML的工具包为代理提供了它可以加载以访问数据集成、文档编辑工具和技能、代码执行环境的工具。这使代理能够集中精力，并提供它在用户文档中工作所需的所有工具。
Model ML通过与OpenAI的现场会议实现了这一设置。团队追踪代理如何规划演示文稿、选择工具并保持上下文，然后利用这些发现来优化代理的指令并决定每个工具包应该在何时加载。
## 构建适应金融工作变革的工具
Model ML的客户正在向基于浏览器的输出转变，这些输出保持与其背后的模型和来源材料的连接。
Model ML的平台能够生成安全、交互式的输出，这些输出可以持续更新，或者固定在某一时刻。审核人员可以打开投资摘要，点击到数字背后的财务模型，与代理在同一页面进行操作。
“PowerPoint、Excel和Word是为手动创建知识工作的世界而设计的，”英格兰德说。“人工智能改变了这一假设。软件本身即将发生变化。”
## OpenAI <3 初创企业
[加入社区](https://openai.com/leads/startup/) [开始构建（在新窗口中打开）](https://openai.com/startups)
## 继续阅读
[查看所有](https://openai.com/news/)
[Warp's big bet on building open source with GPT-5.5](https://openai.com/index/warp/)
*初创企业 2026年5月27日*
[Parloa builds service agents customers want to talk to](https://openai.com/index/parloa/)
*初创企业 2026年5月7日*
[Gradient Labs gives every bank customer an AI account manager](https://openai.com/index/gradient-labs/)
*初创企业 2026年4月1日*
---
原文链接：[点击查看](https://openai.com/index/model-ml)
评论
暂无评论。