GPT-5.6 Sol przyspiesza pracę analityków finansowych – wyniki benchmarku Model ML
W skrócie
- Startup Model ML wykorzystuje GPT-5.6 Sol do automatyzacji finansowych przepływów pracy, skracając czas tworzenia jednego arkusza inwestycyjnego z około godziny do pięciu minut.
- W benchmarku Composite GPT-5.6 Sol ukończył zadanie tworzenia prezentacji PowerPoint w 100% przypadków testowych, podczas gdy Opus 5 osiągnął jedynie 76%, a przewaga w gotowości profesjonalnej wyniosła 16,6 punktu procentowego.
- Model zużywa o 21% mniej tokenów na deck PowerPoint niż Fable 5 oraz o 36% mniej tokenów na skoroszyt Excel niż Opus 5.
Zanim analiza finansowa trafi przed klientów lub kadrę zarządzającą, zespoły muszą pokonać wymagający etap końcowy: uzgodnić dane, zbudować i sformatować plik, sprawdzić każdą liczbę oraz powiązać każde twierdzenie ze źródłem. Gotowa prezentacja PowerPoint lub skoroszyt Excel musi być edytowalna i odporna na szczegółową weryfikację openai.com.
Właśnie ten problem dostrzegli współzałożyciele Model ML — bracia Arnie i Chaz Englander. Po dwóch udanych wyjściach z inwestycji zaczęli inwestować przez prywatne family office i — jak przystało na twórców oprogramowania — zbudowali narzędzie najpierw dla siebie. Z tego narzędzia wyrósł produkt, który dziś pomaga profesjonalistom finansowym przeprowadzić cały przepływ pracy: od wstępnego zlecenia, przez badania i analizę, aż po gotowy deck lub skoroszyt openai.com.
W centrum systemu działa główny agent, który planuje pracę, dobiera odpowiednie narzędzia, uzgadnia dane i wykonuje obliczenia, kierując każdy krok do modelu najlepiej do niego dopasowanego — najczęściej jest nim GPT-5.6 Sol. Wśród narzędzi znajduje się własne oprogramowanie dokumentacyjne Model ML, które tworzy natywne pliki PowerPoint i Excel ze śledzalnymi źródłami openai.com.
„Wcześniejsze modele potrafiły wykonywać pracę analityka, ale użytkownik musiał dokładnie rozbić zadanie i precyzyjnie określić, jak ma wyglądać wynik. Z GPT-5.6 Sol agent jest znacznie bliżej finalnego efektu."
— Chaz Englander, współzałożyciel i dyrektor generalny Model ML openai.com## Produkt „niezależny od powierzchni"
Model ML określa swój produkt mianem „surface-agnostic" — niezależnego od środowiska pracy. Profesjonalista finansowy może rozpocząć zadanie w e-mailu lub aplikacji Model ML, a następnie kontynuować je we wtyczkach do pakietu Microsoft Office bez konieczności ponownego opisywania kontekstu openai.com.
Ta ciągłość przekłada się na gotowe materiały. Dla komitetu inwestycyjnego agent może przekształcić brief i materiały źródłowe w edytowalną prezentację PowerPoint. W przypadku zadań w Excelu agent może zacząć od szablonu klienta lub pustego skoroszytu, zebrać wymagane dane, zbudować formuły i logikę na wielu zakładkach, a następnie zastosować formatowanie specyficzne dla finansów, tworząc kompletny arkusz kalkulacyjny lub model finansowy openai.com.
Efekty są wymierne: w jednym z globalnych zarządców aktywów indywidualny arkusz inwestycyjny (tearsheet), którego przygotowanie zajmowało analitykowi około godziny, powstaje teraz w około pięć minut. W innym przepływie pracy agenci Model ML przetworzyły wirtualne pokoje danych zawierające ponad 100 000 wierszy i setki plików w jednym przebiegu openai.com.
„Użytkownik powinien koncentrować się na ocenie — na przykład doprecyzowaniu założeń lub wyostrzeniu przekazu — a nie na odbudowywaniu analizy."
— Chaz Englander, współzałożyciel i dyrektor generalny Model ML openai.com## Wyniki benchmarku Composite
Model ML ocenił GPT-5.6 Sol na tle innych wiodących modeli w ramach własnego benchmarku Composite, zaprojektowanego specjalnie dla usług finansowych. Ewaluacja śledzi zadanie od wstępnego briefu finansowego, przez badania i obliczenia, aż po edytowalny deck lub arkusz, a następnie weryfikuje liczby, źródła, formuły i strukturę, a w przypadku prezentacji — również jakość wizualną openai.com.
PowerPoint: kompletność i gotowość profesjonalna
Benchmark PowerPoint obejmuje rzeczywiste przepływy pracy i setki wygenerowanych prezentacji ze szczegółową rubryką oceniania. Kluczowe wyniki GPT-5.6 Sol w porównaniu z konkurencją przedstawiają się następująco openai.com:
- Kompletność zadania: GPT-5.6 Sol ukończył przepływ pracy PowerPoint w 100% przypadków testowych, wobec 76% dla Opus 5, 82% dla Fable 5 i 80% dla Opus 4.8.
- Gotowość profesjonalna (miara tego, czy wynik nadaje się do merytorycznej weryfikacji): 43,3% dla GPT-5.6 Sol wobec 26,7% dla Opus 5 — przewaga 16,6 punktu procentowego.
- Ogólna jakość decku (z bramką gotowości): 59,9% dla GPT-5.6 Sol wobec 56,7% dla Opus 5 i 59,3% dla Fable 5.
- Spójność projektu: 97,8% dla GPT-5.6 Sol wobec 93,3% dla Opus 5.
- Efektywność tokenów: GPT-5.6 Sol zużywa 1,10 mln tokenów na deck — o 21% mniej niż Fable 5 (1,40 mln), choć więcej niż Opus 5 (953 tys.) i GPT-5.6 Terra (720 tys.) openai.com.
Excel: efektywność i oszczędność tokenów
W przepływie pracy dla Excela GPT-5.6 Sol zużył o 36% mniej tokenów na skoroszyt niż Opus 5, co przekłada się bezpośrednio na niższe koszty operacyjne przy przetwarzaniu dużych zbiorów danych finansowych openai.com.
Co to oznacza
Wyniki benchmarku Model ML pokazują, że różnice między czołowymi modelami językowymi w zastosowaniach finansowych są już na tyle wyraźne, że mają bezpośrednie przełożenie na koszty i produktywność. Przewaga GPT-5.6 Sol w gotowości profesjonalnej — 16,6 punktu procentowego nad Opus 5 — oznacza, że znacznie mniejszy odsetek wygenerowanych materiałów wymaga gruntownej pracy redakcyjnej przed przekazaniem klientowi lub komitetowi inwestycyjnemu. To realna oszczędność czasu dla analityków.
Dla polskich firm z sektora finansowego — zarządców aktywów, domów maklerskich, funduszy private equity czy działów M&A w bankach — tego rodzaju narzędzia otwierają możliwość przetwarzania większych wolumenów transakcji i dokumentacji bez proporcjonalnego zwiększania zespołów analitycznych. Skrócenie czasu tworzenia tearsheetów z godziny do pięciu minut to przykład, który łatwo przełożyć na konkretne oszczędności w każdej organizacji obsługującej wielu klientów jednocześnie.
Warto jednak zwrócić uwagę na niuanse benchmarku: GPT-5.6 Sol nie jest liderem we wszystkich kategoriach. W efektywności tokenów dla PowerPoint wyprzedzają go zarówno Opus 5, jak i GPT-5.6 Terra, a w jakości wizualizacji danych Opus 5 osiąga wyższy wynik. Oznacza to, że wybór modelu powinien zależeć od konkretnego przypadku użycia — tam, gdzie liczy się kompletność i gotowość do przeglądu, GPT-5.6 Sol wydaje się dominować; tam, gdzie priorytetem jest minimalizacja kosztów tokenów, inne modele mogą być bardziej opłacalne.
Rosnąca dojrzałość narzędzi takich jak Model ML sygnalizuje też szerszą zmianę: rola analityka finansowego przesuwa się od wytwarzania dokumentów w kierunku oceny i weryfikacji wyników generowanych przez agenci AI — co wymaga nowych kompetencji, ale też stwarza przestrzeń do pracy na wyższym poziomie abstrakcji.
Szerszy kontekst
GPT 5.6 Sol osiąga 46,8%, co jest niższym wynikiem niż 49,2% modelu Fable 5 pod względem jakości. (Opus 4.8 osiąga 45%) Ale Sol wygrywa pod względem kosztu zapytania w porównaniu z Fable.
We wszystkich zadaniach analizy danych Sol uzyskuje 64% wobec 57% dla GPT-5.5, czyli znacznie większą przewagę niż pokazuje ogólny benchmark.
GPT‑5.6 Sol to pierwszy model, jaki oceniliśmy, który konsekwentnie generuje prezentacje gotowe do realnej pracy. W 20 wymagających procesach klienckich i setkach prezentacji w FinBench firmy Model ML zużywał o 39% mniej tokenów na prezentację niż Fable, a jednocześnie tworzył bardziej dopracowane, czytelne prezentacje z jaśniejszymi i dokładniejszymi wizualizacjami danych, wymagające mniej poprawek przed udostępnieniem.
Sol jest silniejszym kandydatem do głównego przeglądu. Jest bardziej krytyczny i bardziej kompletny oraz rzadziej przepuszcza ryzykowne zmiany. Kosztem jest precyzja. Jego precyzja działalnych uwag wyniosła 31,6%, czyli o 8,2 punktu procentowego mniej niż w bazowym raporcie, a model wygenerował 231 surowych komentarzy.
W benchmarku kodowania Sol Ultra osiąga 91,9%, a podstawowy Sol 88,8%. Claude Mythos 5 jest następny z wynikiem 88,0%, a dalej GPT-5.5 z wynikiem 83,4%.
Analiza
Najważniejszy wniosek jest taki, że wyniki Model ML trzeba czytać jako dane dostawcy, a nie niezależną ocenę. Benchmark Composite powstał u wydawcy narzędzia, a cytat Chaza Englandera o gotowości decków pojawia się w materiale OpenAI (openai.com), który promuje GPT-5.6. Ten sam cytat podaje jednak inną liczbę niż artykuł: według OpenAI Sol zużywa o 39% mniej tokenów na deck niż Fable, a benchmark opisany w artykule daje 21% (1,10 mln wobec 1,40 mln). Różnica może wynikać z innego zakresu pomiaru, ale na pewno warto ją sprawdzić, zanim taka liczba trafi do oferty lub prezentacji dla klienta.
Inne niezależne lub półniezależne źródła pokazują, że przewaga GPT-5.6 Sol nie jest jednolita. Test Box Complex Work Eval (x.com) wskazuje, że w ogólnym wyniku Sol przewyższa poprzednika GPT-5.5 zaledwie o około 1%, a największa poprawa dotyczy analizy danych: 64% wobec 57%. To jest najbliższe zadaniom, które opisuje artykuł, czyli uzgadnianiu liczb i tworzeniu wiarygodnego wyniku z surowych danych. Z kolei w teście Rogo Big Finance Benchmark (openai.com) GPT-5.6 poprawił jakość ocen o 6,2 punktu i dokładność odpowiedzi o 3,6 punktu względem GPT-5.5, a przy programmatic tool calling dorównał jakością, zużywając o 24% mniej tokenów wyjściowych i działając o 28% szybciej. Zestawienie LinkedIn (linkedin.com) pokazuje z kolei, że w jakości Sol osiąga 46,8% wobec 49,2% dla Fable 5, ale wygrywa kosztem zapytania. To ważne, bo sugeruje, że „lepszy model” w finansach zależy od tego, czy liczy się jakość, czy koszt.
Wzorzec widać także poza finansami. Badanie CoderabbiT (coderabbit.ai) dotyczące przeglądu kodu pokazuje, że Sol wykrywa więcej problemów (69,7% poprawnych wykryć wobec 52,5% dla Terra), ale ma niższą precyzję (31,6% wobec 35,7%) i generuje więcej komentarzy (231 wobec 143). W kontekście analityka oznacza to ryzyko większej liczby fałszywych alarmów do przejrzenia. Wynik z benchmarku kodowania (reddit.com) też nie dotyczy finansów, ale potwierdza ogólny trend: nowsze modele zyskują przede wszystkim na zadaniach trudnych i wieloetapowych. Dla polskich zarządców aktywów i działów M&A praktyczny wniosek brzmi więc tak: przed wdrożeniem warto przeprowadzić własny test na dokumentach z własnych procesów, mierząc nie tylko gotowość do przeglądu, ale też poprawność liczb i koszt pojedynczego wyniku.