評測來源官方評測
Vals Finance Agent
Vals AI / 專業辦公 · 金融分析師的日常辦公題,看研報、建模這類工作做得怎樣。
在 ATech Hot 中參與排名
評測權重3%
來源資料更新時間10/29 08:00
最近成功同步11/22 02:06
它測什麼,怎麼測
只取 Finance Agent v2 官方 Overall 正確率。
如何使用這份證據
行業專業任務預算 3%;目前直接測金融,不宣稱已經覆蓋全部行業。
評測成績
按固定規則,每個公開模型採用一套用作比較的設定;沒有可採用設定的模型標為未計入並寫明原因。匿名測試型號不展示,保留原榜名次,每項最多 30 個。
| 原榜名次 | 原榜型號 | 原始成績 | 用作比較的設定 |
|---|---|---|---|
| 1 | google/gemini-4-argongoogle | 65.4% | High 推理 |
| 2 | google/gemini-3.8-flashGoogle | 61.4% | High 推理 |
| 3 | meta/muse-spark-openMeta | 61.3% | xHigh 推理 |
| 4 | meta/muse_spark_1_2Meta | 60.6% | xHigh 推理 |
| 5 | meta/muse_spark_1_3_maxMeta | 60.0% | Max 推理 |
| 6 | meta/muse-wonder-fullMeta | 59.1% | Max 推理 |
| 7 | google/gemini-3.7-flashGoogle | 59.0% | High 推理 |
| 9 | anthropic/claude-fable-5-1Anthropic | 58.9% | Max 推理 |
| 10 | anthropic/claude-opus-5Anthropic | 58.6% | Max 推理 |
| 11 | anthropic/claude-opus-5-5Anthropic | 58.6% | Max 推理 |
| 12 | anthropic/claude-sonnet-5-5anthropic | 58.1% | Max 推理 |
| 13 | alibaba/qwen3.8-max-internalAlibaba | 57.9% | 來源預設配置 |
| 14 | google/gemini-3.5-flashGoogle | 57.9% | High 推理 |
| 15 | zai/glm-5.3-flashZ.ai | 57.9% | Max 推理 |
| 16 | xiaomi/mimo-v2.6-proXiaomi | 57.3% | 來源預設配置 |
| 17 | meta/muse_spark_1_1Meta | 57.2% | xHigh 推理 |
| 18 | deepseek/deepseek-v4.1-flash-1017deepseek | 57.0% | Max 推理 |
| 19 | meta/muse-wonderMeta | 56.6% | Max 推理 |
| 20 | anthropic/claude-fable-5Anthropic | 56.3% | Max 推理 |
| 21 | google/gemini-3.6-flashGoogle | 56.3% | High 推理 |
| 22 | xiaomi/mimo-v2.6-flashXiaomi | 56.3% | 來源預設配置 |
| 23 | zai/glm-5.3Z.ai | 55.8% | Max 推理 |
| 24 | tencent/hy4-previewTencent | 55.1% | 來源預設配置 |
| 25 | openai/gpt-5.6-lunaOpenAI | 55.0% | Max 推理 |
| 26 | ant/ling-3.0-flash-af-rc3Ant | 54.9% | 來源預設配置 |
| 27 | mistralai/mistral-large-4mistral | 54.7% | High 推理 |
| 28 | openai/gpt-5.6-terraOpenAI | 54.4% | Max 推理 |
| 29 | anthropic/claude-haiku-5-5— | 54.1% | Max 推理 |
| 30 | anthropic/claude-opus-4-8Anthropic | 53.9% | Max 推理 |
| 31 | anthropic/claude-sonnet-5Anthropic | 53.9% | Max 推理 |
評測侷限與數據署名
私有題不能逐題復算;與 APEX 同屬辦公任務,必須共用一組預算。
數據許可:官方公開結果;公開再展示保留官方署名,完整再分發授權仍以 Vals 條款為準
成績由 Vals AI 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。