返回 返回
模型邮件每日6条一手
在DeepFinance基准中，21项端到端私募股权和投资银行任务平均需人类专业人士27.1小时，最佳配置GPT-6 Astra最大推理满足57.6%的评分标准，且前四名配置在统计上无法区分
DeepFinance 基准测试于 2026 年 11 月 7 日在 arXiv 上发布，衡量了 22 种模型配置在 21 项端到端私募股权和投资银行任务中满足评分标准百分比。最佳配置 GPT-6 Astra（具有最大推理能力）满足了 57.6% 的评分标准，排名前四的配置在统计学上没有显著差异。
已核实 2026-11-14
知情者可追踪为何重要
模型可以找到相关数据并准确计算，但在复杂决策中仍可能无法正确使用这些信息。
更多模型
- AI模型如今已能在国际数学奥林匹克竞赛中夺金,但斯坦福《2026年AI指数报告》发现,它们在一项大多数孩子很早就掌握的任务上仍会出错。在ClockBench的180种表盘设计、720道题目测试中,表现最好的模型 GPT-5.4 High正确读出模拟时钟时间的比例仅为50.6%,而人类为90.1%
- 闭源与开源AI模型的性能差距在2024年一度几乎抹平后再度拉开。截至2026年3月，斯坦福《2026年AI指数》显示，Arena排行榜上顶尖闭源模型相对顶尖开源模型领先3.3%，高于2024年8月的0.5%
- 斯坦福大学2026年AI指数报告追踪AI模型在GPQA Diamond基准上的表现——这是一套专为抵抗谷歌搜索而设计的博士级化学和物理题。2025年,模型在该基准上的平均准确率达到93%,而专家人类验证者的基线为81.2%——AI模型现已在GPQA Diamond上超越博士级专家12个百分点