Julius Research CEO rahul（@0interestrates，产品 Julius AI）于 11 月 5 日发布 DeepFinance：用真实交易脱敏资料室构建的 21 道 PE/投行超长程任务，人类单题约 20–30 小时（均值约 27.1 小时）、每题约 84 条 rubric。官方榜：Opus 5.5 (max) 约 54.8%，Sonnet 5.5 约 54.6%，GPT-6 Astra 约 54.2%。强调可审计轨迹，而非只对最终数字。
核心要点速览
- ✓一手来源：Julius Research CEO @0interestrates 发布帖 + 官方榜单/博客（非公司官号公告口径，属实验室产品负责人一手发布）
- ✓规模：21 题；均值约 27.1 人时；约 84 rubric/题；资料室均值约 19 文件
- ✓榜首（实验室口径）：Opus 5.5 max ~54.8%；Sonnet 5.5 ~54.6%；GPT-6 Astra xhigh ~54.2%
- ✓成本（官方表）：Opus ~$8.63/题；Astra ~$4.55；GPT-6.1 Sol ~$0.81 且约 52.9%
- ✓定位：补文档 QA / 纯数值正确评测缺口，强调假设与证据冲突下的可审计流程
开发者 3 秒速决决策指标
把技术选型换算成你的开发预算
40 款主流编程套餐横向比价，支持输入/输出 Token 真实账单模拟
相关资源与官方项目出处
免代理直达深度技术解析与实战评估
核心背景与行业痛点
多数金融评测停留在文档问答或核对最终数字，难以衡量 PE/投行尽调里充斥的假设、冲突证据与可审计轨迹。Julius Research（Julius AI 数据科学家产品背后的实验室）CEO rahul（@0interestrates）于 11 月 5 日一手发布 DeepFinance：面向私募与投行长流程的超长程基准。
架构亮点与底层机制
官方页与博客：21 道题，用人脱敏真实交易资料室（均值约 19 个文件），出题/审阅背景含 Evercore、J.P. Morgan、UBS 及 HBS、Wharton、Columbia 等；单题人类工时均值约 27.1 小时（约 20–30 小时量级），每题约 84 条 rubric。评分看端到端流程是否满足 rubric，而非只对最终数字。Harness：每题 10 次尝试，报告均值与 95% bootstrap CI。
权威 Benchmark 与实测跑分对比
Julius 榜单（更新至 2026-11-05，厂商/实验室口径）：Claude Opus 5.5 (max) 约 54.8%、Sonnet 5.5 (max) 约 54.6%、GPT-6 Astra (xhigh) 约 54.2%、GPT-6.1 Sol (xhigh) 约 52.9%；成本侧 Opus 约 $8.63/题、Astra 约 $4.55、Sol 约 $0.81。多数模型仍远低于可靠尽调门槛，开源阵营多在约 20–35%。非 AICoder 复测。
开发者实战落地与开箱指南
榜单与方法见 juliusresearch.ai/deep-finance 与博客《DeepFinance: Can AI diligence a $100MM deal?》。适合评估长程金融 Agent 的假设审计与证据对齐能力；任务与资料室未宣称公开下载。引用时请标注 Julius Research 口径，并区分「数值正确」与「可审计轨迹」。
即刻查看该技术对应模型与主流工具的实测差异，或一键测算团队 API 调用与 $20/月套餐盈亏平衡点。
讨论与评论
0登录后即可参与深度讨论
与广大 AI 开发者、工程师交流评测心得与前沿洞察