Julius Research 发布 DeepFinance 基准：最强模型在耗时约 27 小时的私募与投行任务上得分 54.8%
21 项任务基于匿名化交易数据构建，每项按 84 条标准评分：Claude Opus 5.5 以 54.8% 居首，略高于 Claude Sonnet 5.5（54.6%）和 GPT-6 Astra（54.2%）；成绩为 Julius 自行测试所得。
为何重要
DeepFinance 要求模型完成私募股权和投资银行的端到端工作，Julius 估计专业人士每项任务需 20 至 30 小时，平均 27.1 小时。评分除最终成果外，还看工作流程和判断力，例如假设是否有来源、可审计。Julius 称使用的是各厂商自带的命令行工具，而非自家框架。成本差异远大于得分差异：GPT-6.1 Sol 得分 52.9%，每项任务成本 0.81 美元，而榜首为 8.63 美元。所有数据均来自 Julius Research，即 Julius 数据分析产品背后的实验室。
要点
- 21 项匿名化的私募与投行任务
- 每项平均 27.1 个人工小时；各有 84 条评分标准
- Claude Opus 5.5（max）：54.8% ± 9.1，每项任务 8.63 美元
- Claude Sonnet 5.5 为 54.6%；GPT-6 Astra 为 54.2%
- GPT-6.1 Sol：52.9%，每项任务 0.81 美元
- 16 种模型配置，由 Julius 自行评测