跳到正文
評測來源

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。

官方評測
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
1google/gemini-4-argongoogle65.4%High 推理
2google/gemini-3.8-flashGoogle61.4%High 推理
3meta/muse-spark-openMeta61.3%xHigh 推理
4meta/muse_spark_1_2Meta60.6%xHigh 推理
5meta/muse_spark_1_3_maxMeta60.0%Max 推理
6meta/muse-wonder-fullMeta59.1%Max 推理
7google/gemini-3.7-flashGoogle59.0%High 推理
9anthropic/claude-fable-5-1Anthropic58.9%Max 推理
10anthropic/claude-opus-5Anthropic58.6%Max 推理
11anthropic/claude-opus-5-5Anthropic58.6%Max 推理
12anthropic/claude-sonnet-5-5anthropic58.1%Max 推理
13alibaba/qwen3.8-max-internalAlibaba57.9%來源預設配置
14google/gemini-3.5-flashGoogle57.9%High 推理
15zai/glm-5.3-flashZ.ai57.9%Max 推理
16xiaomi/mimo-v2.6-proXiaomi57.3%來源預設配置
17meta/muse_spark_1_1Meta57.2%xHigh 推理
18deepseek/deepseek-v4.1-flash-1017deepseek57.0%Max 推理
19meta/muse-wonderMeta56.6%Max 推理
20anthropic/claude-fable-5Anthropic56.3%Max 推理
21google/gemini-3.6-flashGoogle56.3%High 推理
22xiaomi/mimo-v2.6-flashXiaomi56.3%來源預設配置
23zai/glm-5.3Z.ai55.8%Max 推理
24tencent/hy4-previewTencent55.1%來源預設配置
25openai/gpt-5.6-lunaOpenAI55.0%Max 推理
26ant/ling-3.0-flash-af-rc3Ant54.9%來源預設配置
27mistralai/mistral-large-4mistral54.7%High 推理
28openai/gpt-5.6-terraOpenAI54.4%Max 推理
29anthropic/claude-haiku-5-5—54.1%Max 推理
30anthropic/claude-opus-4-8Anthropic53.9%Max 推理
31anthropic/claude-sonnet-5Anthropic53.9%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。