跳到正文

Vals Finance Agent v2.1

Vals AI / 专业办公 · 金融分析师的日常工作:查公司财报、做计算和分析。

官方评测
在 AIHOT 中参与排名
所属领域专业办公
上游数据时间11/05 08:00
最近成功同步11/09 08:05

它测什么,怎么测

取 Vals 专项页 Finance Agent v2.1 的 Overall 正确率。同一型号按最高推理档位选代表配置,选择不看分数。

AIHOT 怎么用它

计分:专业办公领域的金融一类。上一轮综合榜前 10 家厂商各自名次最高、公开能用(有按量付费 API 或公开权重)的型号,至少 60% 测过才参与计算(发布不满一个月的没测不算缺)。

评测成绩

同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。

原榜名次原榜型号原始成绩代表配置
1anthropic/claude-opus-5-5Anthropic67.8%Max 推理
2google/gemini-4-argonGoogle67.7%High 推理
3meta/muse-wonder-fullMeta67.6%Max 推理
4thinkingmachines/inkling-2-smallThinking Machines Lab67.5%来源默认配置
5anthropic/claude-sonnet-5-5Anthropic67.3%Max 推理
6google/gemini-4-carbonGoogle67.2%High 推理
7google/gemini-3.8-flashGoogle65.8%High 推理
8meta/muse-wonderMeta65.5%Max 推理
9deepseek/deepseek-v4.1-flashDeepSeek65.4%Max 推理
10anthropic/claude-haiku-5-5Anthropic65.4%Max 推理
11zai/glm-5.3Z.ai65.0%Max 推理
12tencent/hy4Tencent64.7%来源默认配置
13xiaomi/mimo-v2.6-proXiaomi64.3%来源默认配置
14xiaomi/mimo-v2.6-flashXiaomi63.3%来源默认配置
15deepseek/deepseek-v4.1-flash-1017DeepSeek62.9%Max 推理
16openai/gpt-6.1-solOpenAI61.8%Max 推理
17mistralai/mistral-large-4-ossMistral AI61.7%High 推理
18tencent/hy4-previewTencent61.6%来源默认配置
19kimi/kimi-k3.1-proMoonshot AI61.5%Max 推理
20mistralai/mistral-large-4Mistral AI61.4%High 推理
21meta/muse-spark-openMeta60.7%xHigh 推理
22zai/glm-5.3-flashZ.ai60.6%Max 推理
23grok/grok-4.7xAI60.6%xHigh 推理
24openai/gpt-6-astraOpenAI60.4%Max 推理
25kimi/kimi-k3Moonshot AI60.0%Max 推理
26stepfun/step-5-previewStepFun58.9%来源默认配置
27alibaba/qwen3.8-max-internalAlibaba58.8%来源默认配置
28minimax/MiniMax-M3.1-flashMiniMax58.8%Max 推理
29deepseek/deepseek-v4-pro-0813DeepSeek57.1%Max 推理
30openai/gpt-6-lunaOpenAI56.8%Max 推理
评测局限与数据署名

v2.1 与已归档的 v2 不可直接比较,v2 的成绩不再计入。Vals 公布每次运行有多少题被厂商接口转给了同厂商的旧型号:有回退的成绩照常计入并在模型页标注,受影响题目过半的不计。同属 Vals 的几项评测不能当作多家独立机构。

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。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。