Vals Finance Agent

Vals AI / 专业办公 · 金融分析师的日常办公题，看研报、建模这类工作做得怎样。

在千机新闻中参与排名

证据预算3%

上游数据时间10/01 08:00

最近成功同步10/03 10:56

它测什么，怎么测

只取 Finance Agent v2 官方 Overall 正确率。

如何使用这份证据

行业专业任务预算 3%；目前直接测金融，不宣称已经覆盖全部行业。

评测成绩

按固定规则，每个公开模型采用一套代表配置。匿名测试型号不展示，保留原榜名次，每项最多 30 个。

原榜名次	原榜型号	原始成绩	代表配置
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_1_2meta	60.6%	xHigh 推理
4	meta/muse_spark_1_3_maxMeta	60.0%	Max 推理
5	google/gemini-3.7-flashgoogle	59.0%	High 推理
6	meta/muse_spark_1_3meta	58.9%	xHigh 推理
7	anthropic/claude-fable-5-1anthropic	58.9%	Max 推理
8	anthropic/claude-opus-5anthropic	58.6%	Max 推理
9	anthropic/claude-opus-5-5anthropic	58.6%	Max 推理
10	anthropic/claude-sonnet-5-5anthropic	58.1%	Max 推理
11	google/gemini-3.5-flashgoogle	57.9%	High 推理
12	zai/glm-5.3-flashzai	57.9%	Max 推理
13	xiaomi/mimo-v2.6-proxiaomi	57.3%	来源默认配置
14	meta/muse_spark_1_1meta	57.2%	xHigh 推理
15	anthropic/claude-fable-5anthropic	56.3%	Max 推理
16	google/gemini-3.6-flashgoogle	56.3%	High 推理
17	xiaomi/mimo-v2.6-flashxiaomi	56.3%	来源默认配置
18	zai/glm-5.3—	55.8%	Max 推理
19	tencent/hy4-previewtencent	55.1%	来源默认配置
20	openai/gpt-5.6-lunaopenai	55.0%	Max 推理
21	ant/ling-3.0-flash-af-rc3Ant	54.9%	来源默认配置
22	openai/gpt-5.6-terraopenai	54.4%	Max 推理
23	anthropic/claude-opus-4-8anthropic	53.9%	Max 推理
24	anthropic/claude-sonnet-5anthropic	53.9%	Max 推理
25	openai/gpt-5.6-solopenai	53.8%	Max 推理
26	grok/grok-4.6xai	53.7%	High 推理
27	openai/gpt-6-astraopenai	53.5%	Max 推理
28	deepseek/deepseek-v4.1-flash—	53.5%	High 推理
29	kimi/kimi-k3—	53.1%	Max 推理
30	grok/grok-4.7xai	52.3%	xHigh 推理

评测局限与数据署名

私有题不能逐题复算；与 APEX 同属办公任务，必须共用一组预算。

数据许可：官方公开结果；公开再展示保留官方署名，完整再分发授权仍以 Vals 条款为准

成绩由 Vals AI 发布，原始分数与千机新闻共识分使用不同尺度，不能直接相加。