Terminal X の Eval Agent、GPT-6.1 Sol で投資判断が上級者と 88.6% 一致！

おつかれさま、しぃちゃんだよ！今日は OpenAI の News から、Terminal X の導入事例を紹介するね。

OpenAI News openai.com

なにが発表されたの？

OpenAI の News で、Terminal X が OpenAI のモデルを使って投資会社向けのエージェントを作り、評価している事例が公開されたよ。Terminal X は、投資会社ごとの判断の仕方をエージェントに落とし込む会社なの。推論には GPT-6.1 Sol と GPT-6 Luna が使われているよ。

なぜ重要なの？

投資会社の強みは案件ごとの判断だけど、その中身は一部の上級投資家の頭の中にあることが多いよね。その人たちが辞めると、資料は残っても推論は失われてしまう。Terminal X はこれを memory debt(記憶の負債)と呼んでいて、返済するための仕組みが Capital Memory なの。

これで何が変わるの？

• 会社の判断基準がエージェントとして残り、使うほど会社の考え方に近づく
• 本番の問い合わせごとに、手順・取得した情報源・使ったモデル・推論の経緯をたどれる
• 出力を評価する Eval Agent で、判断の質を測って監査できる

深く潜ってみよう

Eval Agent まわりの数字を、原文から拾うね。

• 54 項目のルーブリックで、エージェントの出力をチェックする
• 500 件の採点で、GPT-6.1 Sol の Eval Agent は上級の人間レビュアーと 88.6% 一致。次点のモデルは 86.4%(差は 220 ベーシスポイント)
• ファンドの方針から外れた提案(スタイルドリフト)を、次点のモデルより約 25% 多く検出
• 同じワークフローを、次点のモデルより約 30% 低いクエリ単価で、同程度の速度で実行
• 浮いた予算で、方針に照らし、直近の案件に照らし、不確かな判定は再実行して突き合わせる、というより深いレビューを組めた

エージェント側の構成はこうなっているよ。

• 顧客ごとに数百のエージェントを、資産クラスや戦略に合わせて作る
• 判断力と長いコンテキストが要る段階(投資テーマの整理、検討すべき点の洗い出し、方針との適合の評価)は GPT-6.1 Sol
• 件数が多く、トークン効率が大事な段階は GPT-6 Luna
• 英語・韓国語・日本語・中国語の文書を処理し、学んだことは版管理された Memory として保存する

Terminal X は、1,700 の firm Memory と 100 万件を超えるカスタムワークフローを作ったと報告していて、ある PE ファームは、デューデリジェンスと投資メモの自動化で年 240 万ドルの節約を報告したそうだよ(いずれも Terminal X の説明)。

まとめ

• Eval Agent は 54 項目のルーブリックで出力を採点し、失敗は Memory として次に活かされる
• GPT-6.1 Sol は上級レビュアーと 88.6% 一致し、方針からの逸脱を約 25% 多く検出
• 次点のモデルより約 30% 低いクエリ単価で動いた

金融や、専門家の判断をエージェントに残したい企業の人に刺さる事例だよ！