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 daydream 中参与排名
证据预算6.3%
上游数据时间10/20 08:00
最近成功同步10/24 20:06
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
通过单型号协议核验后，在所属能力领域的题族份额内参与参考排序；同题族的测量不增加题族总份额。实际生效份额见当前计算记录。
评测成绩
按固定规则，每个公开模型采用一套代表配置；没有可采用配置的模型标为未计入并写明原因。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-openMeta | 61.3% | xHigh 推理 |
| 4 | meta/muse_spark_1_2Meta | 60.6% | xHigh 推理 |
| 5 | meta/muse_spark_1_3_maxMeta | 60.0% | Max 推理 |
| 6 | meta/muse-wonder-fullMeta | 59.1% | Max 推理 |
| 7 | google/gemini-3.7-flashGoogle | 59.0% | High 推理 |
| 9 | anthropic/claude-fable-5-1Anthropic | 58.9% | Max 推理 |
| 10 | anthropic/claude-opus-5Anthropic | 58.6% | Max 推理未计入：来源明确使用混合模型或回退，不能作为单模型成绩。 |
| 11 | anthropic/claude-opus-5-5Anthropic | 58.6% | Max 推理 |
| 12 | anthropic/claude-sonnet-5-5Anthropic | 58.1% | Max 推理 |
| 13 | alibaba/qwen3.8-max-internalAlibaba | 57.9% | 来源默认配置 |
| 14 | google/gemini-3.5-flashGoogle | 57.9% | High 推理 |
| 15 | zai/glm-5.3-flashZ.ai | 57.9% | Max 推理 |
| 16 | xiaomi/mimo-v2.6-proXiaomi | 57.3% | 来源默认配置 |
| 17 | meta/muse_spark_1_1Meta | 57.2% | xHigh 推理 |
| 18 | deepseek/deepseek-v4.1-flash-1017DeepSeek | 57.0% | Max 推理 |
| 19 | meta/muse-wonderMeta | 56.6% | Max 推理 |
| 20 | anthropic/claude-fable-5Anthropic | 56.3% | Max 推理 |
| 21 | google/gemini-3.6-flashGoogle | 56.3% | High 推理 |
| 22 | xiaomi/mimo-v2.6-flashXiaomi | 56.3% | 来源默认配置 |
| 23 | zai/glm-5.3Z.ai | 55.8% | Max 推理 |
| 24 | tencent/hy4-previewTencent | 55.1% | 来源默认配置 |
| 25 | openai/gpt-5.6-lunaOpenAI | 55.0% | Max 推理 |
| 26 | ant/ling-3.0-flash-af-rc3Ant | 54.9% | 来源默认配置 |
| 27 | mistralai/mistral-large-4Mistral AI | 54.7% | High 推理 |
| 28 | openai/gpt-5.6-terraOpenAI | 54.4% | Max 推理 |
| 29 | anthropic/claude-haiku-5-5Anthropic | 54.1% | Max 推理 |
| 30 | anthropic/claude-opus-4-8Anthropic | 53.9% | Max 推理 |
| 31 | anthropic/claude-sonnet-5Anthropic | 53.9% | Max 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。 官方披露存在跨型号回退的具体配置排除；同型号检索调用与评判模型分开核验。
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，各项原始分数使用不同尺度，不能直接相加；参考位次采用公开的分差标准化规则。