DeepFinance：AI 能完成一亿美元交易的尽职调查吗？
Julius Research 发布了 DeepFinance 基准，包含 21 项超长时程任务，模拟私募股权与投行的真实工作——估值、尽职调查、承销与财务建模，每项任务人类专业人士平均需要约 27 小时。模型按平均 84 项评分标准打分，包括每个数字是否有出处、每个判断是否可审计。即便最强的模型得分也只有约 55%：GPT-6 Astra 以 57.6% 领先，其次是 Claude Opus 5.5（54.8%）和 Claude Sonnet 5.5（54.6%），而 GPT-6.1 Terra 是 30% 以上得分中最便宜的，每任务 0.69 美元。之所以重要，是因为它表明 AI 进入高端金融的瓶颈不是算术，而是判断力：在涉及数百万美元的交易中把证据转化为可靠决策，并留下可追溯的过程。
报道来源
- Hacker News (AI)2026-11-06 22:44