FrontierFinance
Samaya AI 出品的金融领域专家级评测，覆盖 6 类投资场景、220 道专家设计的问题、11,543 项细粒度评估标准。
基本信息
30 秒看懂
分数越高代表模型在投资研究、公司估值、资产配置等专业金融任务上的回答越接近专家级。每道题用细粒度 rubric 评估，覆盖准确性、分析严谨性、可审计性与计算可复现性。当前公开报分数在 50-70% 区间，开源权重模型与闭源前沿模型的差距约 10-15 个百分点。
采用格局：由 Samaya AI 维护；当前分数按厂商页脚注 220 题、11,543 项评估标准记。
评分协议
细粒度 rubric 评估（11,543 项评估标准）
可比性提示：同一评测的分数是「实验配置」的产物：只要评测版本（variant）、执行框架（harness）、推理档位（reasoning effort）、工具、采样参数、运行次数或聚合方式有任何一项不同，数字就不能直接横向比较。下方各厂商的分数如未写明协议细节，请只当作方向参考。
模型发布采用时间轴
共收录 1 场模型发布 · 按发布时间倒序排列 · 数据更新于 2026-09-20
2026
2026-09-19
StepFun / 阶跃星辰·国内
参数600B total / 27B active MoE上下文1M模态文本·图像
阶跃星辰发布的旗舰基座模型 Step 5 Preview，面向真实世界 Agentic 任务，在编程、软件工程、专业工作与金融方向上达到前沿水平。AA Intelligence Index 44 分；DeepSWE v1.1 67.7%、Terminal-Bench v2.1 85.0%、StepCodeBench 49.0%、FrontierFinance 66.4%、GDPval-AA v2 1571；模型将于 2026-10-15 正式开源。
稀疏 MoE 600B/27B1M 上下文视觉输入Agentic 长程任务
查看模型变体与证据
FrontierFinance 66.4%
数据缺口（本页暂未收录）
- 评测版本与子集（例如部分评测有 Diamond、Verified 等官方变体）以及数据集规模
- 各厂商使用的执行框架（harness / scaffold）与 Agent 工具配置
- 推理档位（reasoning effort）、采样参数（temperature / top-p）、运行次数与分数聚合方式
- 指标对应的随机猜测基线（chance baseline）与人类基线的实验条件
- 测试集污染检测结论，以及是否已饱和的结构化标注
以上字段暂缺时，本页不虚构数字；后续会依据每一次发布的证据逐条补齐并标注来源。
复现入口
引用
本页数据更新于 2026-09-20，依据厂商发布材料真实抓取；发现数据问题欢迎在 GitHub 提 Issue。