GPT-5.6 Sol 助力金融工作流：Model ML 实测效率提升与成本降低

在金融分析最终呈现在客户或高级决策者面前之前，团队必须经历一段严苛的“最后一公里”：核对证据、构建并格式化文件、检查每一个数字，并将每项声明与来源关联。最终交付的 PowerPoint 演示文稿或 Excel 工作簿必须可编辑，并随时准备接受审视。 Model ML 的联合创始人 Arnie 和 Chaz Englander 兄弟在两次成功退出后，通过私人家族办公室进行投资。作为“创造者”，他们开始构建软件来辅助自身工作，并深刻体会到这一过程所需的大量精力。Model ML 的智能体正是源于此类软件，旨在帮助金融专业人士将工作流从初始请求推进到研究、分析，直至完成演示文稿或工作簿。其核心是一个主智能体，负责规划工作、选择合适工具、核对证据并执行计算，将每个步骤路由到最适合的模型（通常是 GPT-5.6 Sol）。其中，Model ML 自有的文档工具能够创建带有可追溯来源的原生 PowerPoint 和 Excel 文件。 “早期模型能完成分析师的工作，但用户必须清晰地分解任务，具体说明期望的输出样式。而使用 GPT-5.6 Sol，我们发现智能体能够更接近最终输出。”Model ML 联合创始人兼 CEO Chaz Englander 表示。

解决金融工作的“最后一公里”

Model ML 通过端到端自动化金融工作流来帮助金融团队。基于简报和源材料，智能体可以将任务推进到研究、建模，直至生成面向客户或交易团队的最终材料。金融专业人士在分享工作成果前，负责检查假设、来源和信息。 Model ML 将产品称为“表面无关”（surface-agnostic）。金融专业人士可以在电子邮件或 Model ML 应用中开始一项任务，并在其 Microsoft Office 插件中无缝继续，无需重新说明。 这种连续性延伸到最终成果。对于投资委员会演示文稿，Model ML 可以将简报和源材料转化为可编辑的 PowerPoint。对于 Excel 任务，智能体可以从客户模板或空白工作簿开始，收集所需数据，在多个工作表间构建公式和逻辑，然后应用金融专用格式，生成完整的电子表格或财务模型。 在 Model ML 的 Composite（其面向金融服务 AI 的评估基准）中，GPT-5.6 Sol 在 Excel 工作流中每个工作簿消耗的 token 比 Opus 5 少 36%。 “用户应专注于判断，例如完善假设或提炼信息，而不是仅仅重建分析。”Englander 补充道。 通过完成“最后一公里”的工作，智能体还能在单个交付物上节省时间，并帮助团队处理大量源材料。在一家全球资产管理公司，原本分析师需要约一小时才能完成的定制化报表，现在只需约五分钟。在另一个工作流中，Model ML 的智能体一次性处理了包含超过 10 万行数据和数百个文件的虚拟数据室。

GPT-5.6 Sol：更少的

token，更高的交付质量 Model ML 在多种金融工作流中将 GPT-5.6 Sol 与其他领先模型进行了评估。其 Composite 评估遵循从初始金融简报，到研究和计算，再到可编辑演示文稿或电子表格的任务路径，并检查数字、来源、公式、结构以及演示的视觉质量。 在 PowerPoint 方面，Model ML 的 Composite 评估融入了真实工作流，涵盖了数百个生成的演示文稿，并采用详细的评分标准。 GPT-5.6 Sol 在 100% 的测试案例中完成了 PowerPoint 工作流，而 Opus 5 为 76%；在 Model ML 的“专业就绪”门槛（衡量输出是否可进行实质性审查）上，GPT-5.6 Sol 达到了 43.3%，而 Opus 5 为 26.7%。此外，GPT-5.6 Sol 在演示文稿质量、简报遵循度、层级结构和一致性方面也领先于 Opus 5。 原生 PowerPoint 创建模型基准（Model ML Composite 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（就绪门槛分数） | 59.9% | +3.2 | 56.7% | 59.3% | 58.7% | 52.5% | 44.4% | | 可交付性（专业就绪率） | 43.3% | +16.6 | 26.7% | 32.0% | 17.3% | 17.3% | 16.0% | | 生成 .pptx 文件 | 100.0% | +24.0 | 76.0% | 82.0% | 80.0% | 80.0% | 74.0% | | 简报遵循度 | 78.8% | +0.9 | 77.9% | 78.5% | 78.4% | 74.1% | 79.6% | | 视觉质量（综合） | 77.9% | -1.4 | 79.3% | 78.9% | 75.1% | 74.4% | 68.5% | | 效率（每演示文稿 tokens，越低越好） | 1.10M | +144K | 953K | 1.40M | 1.16M | 720K | 1.01M | 原生 Excel 创建模型基准（Model ML Composite 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 | | :--- | :--- | :--- | :--- | :--- | :--- | :--- | :--- | | 关键输出正确率 | 83.3% | +0.5 | 82.8% | 80.6% | 74.4% | 82.2% | 83.3% | | 完全正确模型率 | 50.0% | -10.0 | 60.0% | 60.0% | 40.0% | 53.3% | 60.0% | | 输出定位率 | 100.0% | ±0 | 100.0% | 100.0% | 92.2% | 98.9% | 100.0% |

更智能的金融工作流

Model ML 的案例表明，GPT-5.6 Sol 不仅在效率上（更少的 token 消耗）表现出色，更在“专业就绪”这一关键指标上大幅领先。这意味着 AI 生成的金融材料更接近可直接用于审查和决策的状态，从而真正将金融专业人士从繁琐的制作工作中解放出来，专注于更高价值的判断与沟通。 这一成果也印证了 OpenAI 在垂直领域模型能力上的持续突破。对于金融科技公司而言，采用如 GPT-5.6 Sol 等先进模型，不仅是技术升级，更是业务流程的重塑。

关键数据洞察

• 效率提升：在 Excel 工作流中，GPT-5.6 Sol 比 Opus 5 节省 36% 的 tokens；在 PowerPoint 工作流中，比 Fable 5 节省 21% 的 tokens。

• 质量跃升：在专业就绪率上，GPT-5.6 Sol 比 Opus 5 高出 16.6 个百分点，达到 43.3%。

• 时间节省：定制化报表的制作时间从约 1 小时缩短至 5 分钟。

常见问题

GPT-5.6 Sol 是什么？

GPT-5.6 Sol 是 OpenAI 推出的新一代人工智能模型，专为提升特定领域（如金融、技术）工作流的效率与质量而优化。在 Model ML 的测试中，它展现出在生成可编辑文档和遵循复杂指令方面的显著优势。

Model ML 如何利用

GPT-5.6 Sol？ Model ML 将 GPT-5.6 Sol 作为其核心智能体的首选模型，用于规划任务、工具选择、证据核对和计算执行，特别是在生成原生 PowerPoint 和 Excel 文件的“最后一公里”环节。

使用 GPT-5.6 Sol

能节省多少成本？ 根据 Model ML 的 Composite 评估，GPT-5.6 Sol 在生成 Excel 工作簿时比 Opus 5 节省 36% 的 tokens，在生成 PowerPoint 时比 Fable 5 节省 21% 的 tokens。更少的 tokens 意味着更低的 API 调用成本。

除了效率，GPT-5.6 Sol

还有哪些优势？ 除了效率，GPT-5.6 Sol 在输出质量上也有显著提升。其生成的演示文稿在“专业就绪率”上大幅领先，意味着内容更完整、格式更规范，减少了人工修正的工作量。

这项技术对金融行业有何影响？

这项技术将金融分析师从繁琐的文档制作和数据处理中解放出来，使他们能更专注于策略分析、假设验证和客户沟通等创造性、高价值工作，从而加速决策流程并提升整体生产力。 参考链接：

• OpenAI 官方平台
• Model ML 公司官网

关于 Bingdada

Bingdada 是一个专注 SEO、GEO（生成式引擎优化）与 AEO（答案引擎优化）的内容平台，由资深内容编辑、SEO 技术工程师与 AI 研究专家组成的团队持续运营。我们追踪搜索引擎与生成式 AI 的最新动态，为读者提供准确、实用、可落地的方法论与行业洞察。 编辑团队：内容策划 · 技术编辑 · AI 研究组 网站：bingdada.com © 2026 Bingdada. 保留所有权利。