Специализированная ИИ-модель обошла GPT, Claude и Gemini в финансовом анализе

Хедж-фонд Bridgewater Associates и компания Thinking Machines Lab, основанная бывшим техническим директором OpenAI Мирой Мурати, представили результаты внутреннего исследования. Они утверждают, что специализированная дообученная модель с открытыми весами превзошла крупнейшие коммерческие ИИ-системы при анализе финансовой информации, а также требует почти в 14 раз меньше вычислительных затрат.

Исследование было посвящено одной из наиболее трудоёмких задач инвестиционной аналитики — постоянной оценке того, какая информация действительно важна для принятия решений. Аналитикам ежедневно приходится обрабатывать огромные объёмы новостей, корпоративной отчётности, аналитических обзоров и документов регуляторов. Авторы выделили шесть типовых задач, среди которых — определение значимости финансовых новостей для руководителей компаний и оценка того, указывают ли документы центральных банков на возможное изменение процентных ставок.

В ходе тестирования крупные коммерческие модели показали неожиданно скромные результаты. Базовые версии систем семейства GPT, Claude и Gemini при использовании стандартных запросов достигали точности лишь около 50%. Даже после применения сложных инструкций и трёхуровневой системы оценки точность выросла лишь до уровня около 75%, что оказалось ниже порога надёжности в 80%.

Авторы также утверждают, что новые поколения крупных моделей демонстрируют всё меньший прирост эффективности относительно стоимости. Например, модель GPT 5.4, согласно исследованию, требует на 43% больше затрат по сравнению с версией 5.2, обеспечивая лишь незначительное повышение точности.

Для решения проблемы исследователи использовали метод дообучения открытой модели на специализированных корпоративных данных. Первоначально разметка документов выполнялась внешними подрядчиками, но качество данных оказалось недостаточным. Вместо полной повторной проверки команда применила промежуточную модель, которая выявляла наиболее вероятные ошибки разметки, направляя на экспертную оценку только спорные случаи.

Дообучение проводилось на платформе Tinker, разработанной Thinking Machines Lab, с использованием открытой модели Qwen3-235B. По внутренним оценкам авторов, итоговая система достигла точности 84,7%, тогда как лучшая из протестированных коммерческих моделей показала результат 78,2%.

Авторы исследования подчёркивают, что результаты получены в рамках собственной методологии и не являются независимой внешней оценкой. Тем не менее работа указывает на важную тенденцию: значительная часть наиболее ценных данных и экспертных знаний остаётся внутри компаний и недоступна разработчикам универсальных ИИ-моделей.