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。
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 |
|---|---|---|---|
| 1 | anthropic/claude-opus-5-5Anthropic | 67.8% | Max 推理 |
| 2 | google/gemini-4-argonGoogle | 67.7% | High 推理 |
| 3 | meta/muse-wonder-fullMeta | 67.6% | Max 推理 |
| 4 | thinkingmachines/inkling-2-smallThinking Machines Lab | 67.5% | 来源默认配置 |
| 5 | anthropic/claude-sonnet-5-5Anthropic | 67.3% | Max 推理 |
| 6 | google/gemini-4-carbonGoogle | 67.2% | High 推理 |
| 7 | google/gemini-3.8-flashGoogle | 65.8% | High 推理 |
| 8 | meta/muse-wonderMeta | 65.5% | Max 推理 |
| 9 | deepseek/deepseek-v4.1-flashDeepSeek | 65.4% | Max 推理 |
| 10 | anthropic/claude-haiku-5-5Anthropic | 65.4% | Max 推理 |
| 11 | zai/glm-5.3Z.ai | 65.0% | Max 推理 |
| 12 | tencent/hy4Tencent | 64.7% | 来源默认配置 |
| 13 | xiaomi/mimo-v2.6-proXiaomi | 64.3% | 来源默认配置 |
| 14 | xiaomi/mimo-v2.6-flashXiaomi | 63.3% | 来源默认配置 |
| 15 | deepseek/deepseek-v4.1-flash-1017DeepSeek | 62.9% | Max 推理 |
| 16 | openai/gpt-6.1-solOpenAI | 61.8% | Max 推理 |
| 17 | mistralai/mistral-large-4-ossMistral AI | 61.7% | High 推理 |
| 18 | tencent/hy4-previewTencent | 61.6% | 来源默认配置 |
| 19 | kimi/kimi-k3.1-proMoonshot AI | 61.5% | Max 推理 |
| 20 | mistralai/mistral-large-4Mistral AI | 61.4% | High 推理 |
| 21 | meta/muse-spark-openMeta | 60.7% | xHigh 推理 |
| 22 | zai/glm-5.3-flashZ.ai | 60.6% | Max 推理 |
| 23 | grok/grok-4.7xAI | 60.6% | xHigh 推理 |
| 24 | openai/gpt-6-astraOpenAI | 60.4% | Max 推理 |
| 25 | kimi/kimi-k3Moonshot AI | 60.0% | Max 推理 |
| 26 | stepfun/step-5-previewStepFun | 58.9% | 来源默认配置 |
| 27 | alibaba/qwen3.8-max-internalAlibaba | 58.8% | 来源默认配置 |
| 28 | minimax/MiniMax-M3.1-flashMiniMax | 58.8% | Max 推理 |
| 29 | deepseek/deepseek-v4-pro-0813DeepSeek | 57.1% | Max 推理 |
| 30 | openai/gpt-6-lunaOpenAI | 56.8% | 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。