Julius ResearchがDeepFinanceを公開：最高のモデルでも約27時間かかるPE・投資銀行業務で54.8%
21課題は匿名化した案件データから作成され、各84基準で採点。Claude Opus 5.5が54.8%で首位、Claude Sonnet 5.5（54.6%）、GPT-6 Astra（54.2%）が僅差で続く。数値はJulius自身の実行結果。
なぜ重要か
DeepFinanceは、プライベートエクイティと投資銀行業務をエンドツーエンドで行わせる課題で、Juliusの見積もりでは専門家でも1課題20〜30時間（平均27.1時間）かかる。採点は最終成果に加え、仮定の出典明示や監査可能性といった作業手順と判断も対象。Juliusは自社のハーネスではなく各社のコマンドラインツールを使ったとしている。スコアより費用の差が大きく、GPT-6.1 Solは1課題0.81ドルで52.9%、首位は8.63ドル。数値はすべて、データ分析製品Juliusを手がけるJulius Research自身によるもの。
要点
- 匿名化したPE・投資銀行の21課題
- 1課題あたり平均27.1人時、各84の採点基準
- Claude Opus 5.5（max）：54.8%±9.1、1課題8.63ドル
- Claude Sonnet 5.5は54.6%、GPT-6 Astraは54.2%
- GPT-6.1 Sol：52.9%、1課題0.81ドル
- 16のモデル構成をJulius自身が採点