Zum Inhalt
AMANi DUNiA research
DE

Die Fragen auf dieser Website haben KI-Sprachmodelle gestellt; auch die Erklärtexte und Übersetzungen stammen von KI-Modellen. Wer was geprüft hat, steht jeweils dabei. → Über die Fragen

← Alle bewerteten Quellen
openai10. August 2026 · Q006661

Model ML completes finance work more efficiently with GPT-5.6 Sol

openai.com · Originalbericht öffnen ↗

Zusammenfassung

Kurz

Model ML berichtet, GPT‑5.6 Sol für Finanzagenten einzusetzen, die Recherche und Analyse bis zu editierbaren Präsentationen und Arbeitsmappen übernehmen. Im eigenen Benchmark schnitt Sol bei der Fertigstellung von PowerPoint-Dateien und einigen Effizienzmaßen gut ab, war aber bei visueller Qualität und vollständig korrekten Excel-Modellen nicht durchgehend führend. Die Kennzahlen und Praxisbeispiele stammen von Model ML und sind im Bericht nicht unabhängig validiert.

Mittel

Der Bericht schildert, wie das Finanz-Startup Model ML GPT‑5.6 Sol in Agenten nutzt, die Finanzaufträge von der Recherche bis zu bearbeitbaren PowerPoint- und Excel-Dateien erledigen sollen. Ein zentraler Agent plant die Schritte, wählt Werkzeuge und Modelle aus, prüft Belege und berechnet Werte. Model ML zufolge soll das den manuellen Aufwand für die Fertigstellung und Prüfung von Analysen verringern. Als Praxisbeispiele nennt das Unternehmen einen Investment-Steckbrief, dessen Erstellung bei einem Kunden von etwa einer Stunde auf fünf Minuten gesunken sei, und die Verarbeitung sehr umfangreicher Datenräume.

Die Leistungsangaben stammen aus Model MLs eigenem Composite-Benchmark. Bei Präsentationen erzeugte Sol in allen Testfällen eine Datei; 43,3 Prozent erreichten die interne Schwelle für professionelle Prüfung, gegenüber 26,7 Prozent bei Opus 5. Die visuelle Qualität war nicht durchgehend besser. Im Excel-Test lag die Korrektheit der Kernergebnisse bei 83,3 Prozent, doch nur die Hälfte der Modelle war vollständig korrekt. Sol benötigte weniger Token als Opus 5, aber mehr als einige andere verglichene Modelle. Model ML berichtet, den Einsatz daraufhin ausgeweitet zu haben. Die Ergebnisse sind unternehmenseigene Benchmark- und Kundenangaben, keine im Bericht unabhängig bestätigten Befunde.

Ausführlich lesen

Der Bericht beschreibt, wie das Finanztechnologie-Startup Model ML GPT‑5.6 Sol in seine Agenten für Finanzanalysen einsetzt. Diese sollen einen Auftrag von der Recherche und Berechnung bis zu bearbeitbaren PowerPoint-Präsentationen und Excel-Dateien begleiten. Ein zentraler Agent plant die Arbeit, wählt Werkzeuge und Modelle aus, gleicht Belege ab und führt Berechnungen durch. Model MLs eigene Dokumentenwerkzeuge erzeugen Dateien mit nachvollziehbaren Quellen. Nutzerinnen und Nutzer sollen dadurch mehr Zeit auf Annahmen und die Kernaussage verwenden können, statt Analysen und Dokumente manuell fertigzustellen.

Laut Mitgründer Chaz Englander komme GPT‑5.6 Sol mit weniger genau vorgegebenen Aufgaben näher an ein fertiges Ergebnis als frühere Modelle. Die Agenten können laut Bericht in E-Mail, der Model-ML-App und Microsoft-Office-Erweiterungen weiterarbeiten, ohne dass ein Auftrag erneut erklärt werden muss. Als Praxisbeispiele nennt das Unternehmen einen individuellen Investment-Steckbrief, dessen Erstellung bei einem globalen Vermögensverwalter von etwa einer Stunde auf fünf Minuten gesunken sei, sowie die Verarbeitung virtueller Datenräume mit über 100.000 Zeilen und Hunderten Dateien in einem Durchgang.

Die Leistungszahlen stammen aus Composite, dem unternehmenseigenen Benchmark von Model ML für Finanzanwendungen. Er soll Aufgaben vom Briefing über Recherche und Berechnungen bis zur editierbaren Datei abbilden und unter anderem Zahlen, Quellen, Formeln, Struktur und bei Präsentationen die visuelle Qualität prüfen. Bei PowerPoint erstellte GPT‑5.6 Sol in allen Testfällen eine Datei; Opus 5 tat dies in 76 Prozent. Die Rate der Ergebnisse, die eine Schwelle für die professionelle Prüfung erreichten, lag bei 43,3 Prozent gegenüber 26,7 Prozent für Opus 5 und 32 Prozent für Fable 5. Bei Qualität und einzelnen visuellen Merkmalen war das Bild gemischt: Sol lag bei der Gesamtqualität leicht vor Opus 5, aber bei Layout, Lesbarkeit der Diagramme und aggregierter visueller Qualität dahinter. Gegenüber Fable 5 benötigte Sol laut Bericht 21 Prozent weniger Token pro Präsentation.

Im Excel-Benchmark erreichte Sol 83,3 Prozent bei der Korrektheit der abgefragten Kernergebnisse, knapp mehr als Opus 5. Vollständig korrekte Modelle gab es jedoch bei Sol nur in 50 Prozent der Fälle, gegenüber je 60 Prozent bei Opus 5 und Fable 5. Erwartete Ergebnisse wurden in allen Sol-Arbeitsmappen gefunden; die Struktur- und Fehlerprüfungen wurden ebenfalls vollständig bestanden. Pro Arbeitsmappe benötigte Sol 2,44 Millionen Token und sieben Minuten. Das waren weniger Token als bei Opus 5, aber mehr als bei GPT‑5.6 Terra und GPT‑5.5.

Model ML berichtet, die Benchmark-Ergebnisse hätten zur Ausweitung des Sol-Einsatzes in der Produktion geführt. Der Beitrag stellt zudem eine verbesserte Präsentationsfolie und geplante browserbasierte, interaktive Ergebnisse vor, die mit Modellen und Quellen verbunden bleiben können. Die Leistungsangaben und Praxisbeispiele sind Aussagen des Unternehmens; der Bericht beschreibt Model MLs eigene Auswertung, Stichproben und Kriterien, liefert aber keine unabhängige Validierung. Die Tabellen zeigen außerdem, dass Sol nicht bei allen Qualitäts- und Effizienzmaßen führend ist.

Luna (gpt-6-luna, Denkstufe high), ChatGPT-Abo · 2026-11-19

Gegengeprüft von Claude Haiku 5.5: kleine Mängel

Beide Zusammenfassungen (kurz und mittel) wurden geprüft; das Urteil gilt für beide zusammen. Die kurze Fassung ist sachlich im Kern richtig, die mittlere enthält die Token-Aussage, die für PowerPoint nicht stimmt. Der Bericht ist ein Unternehmensbeitrag von OpenAI über einen Kunden aus der Finanzbranche und behandelt KI-Sicherheitspolitik kaum, deshalb liegen die Sammelfragen größtenteils außerhalb seines Themas und die Einordnungen fallen niedrig aus.

Im Bericht, aber nicht in der Zusammenfassung

  • Die Einsparungen von 21 Prozent Token pro Deck gegenüber Fable 5 und 36 Prozent pro Arbeitsmappe gegenüber Opus 5 (Eigenangaben von Model ML)
  • Der Vorsprung von 16,6 Prozentpunkten bei der professionellen Einsatzbereitschaft gegenüber Opus 5
  • Die menschliche Kontrolle im Ablauf: Finanzfachleute prüfen Annahmen, Quellen und Aussagen vor der Weitergabe
  • Die Folienbeispiele vor und nach GPT-5.5 mit klarerer Hierarchie und konsistenterem Design

In der Zusammenfassung, laut Prüfung nicht im Bericht belegt

  • Die pauschale Aussage, Sol habe weniger Token als Opus 5 benötigt, gilt im Bericht nur für Excel (2,44 Mio. gegenüber 3,83 Mio.). Bei PowerPoint lag Sol höher (1,10 Mio. gegenüber 953 K).
  • Die Formulierung, nur die Hälfte der Modelle sei vollständig korrekt gewesen, ist im Bericht nicht so belegt. Der Bericht nennt 50 % der Prüfobjekte (Items) mit vollständig korrekten Ausgaben, nicht einen Anteil an Modellen.

Automatische Gegenprüfung mit dem vollständigen Originaltext (Batch, 20.11.2026). Ungeprüft durch Menschen.

Wie die Modelle den Bericht einordnen

Je Sammelfrage und Teilfrage die häufigste Stufe (0 bis 7) und ihr Anteil, geordnet nach Fragenfamilie (Farbe) oder nach den Wegen des Atlas. Ab Stufe 4 liefert der Bericht Belege, Stufe 3 ist Hintergrund (gestrichelt). Was die Stufen bedeuten, steht in der Legende.

Ansicht
Filter
Modelle 8 von 8
Angezeigte Modelle
Vorfälle melden
  1. SF-M4 Wie kommen Meldungen von Laboren, Betreibern und Nutzern schnell und geschützt zu den Stellen, die handeln müssen, auch über Grenzen hinweg?
    • clef 100 %kein Bezug
    • Luna 32 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 53 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 68 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Fähigkeiten messen
  1. SF-F4 Für welche Modelle, Entwickler und Einsätze gelten Prüfregeln, und wann muss neu geprüft werden?
    • clef 100 %kein Bezug
    • Luna 100 %kein Bezug
    • JEV 22 %Hintergrund, keine Belege
    • amos 30 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 48 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Unabhängig prüfen
  1. SF-P2 Wie bleiben Prüfer, die in einem Labor arbeiten, wirklich unabhängig?
    • clef 100 %kein Bezug
    • Luna 50 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 38 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 57 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
  2. SF-P3 Woran erkennt man, dass ein Labor sich ehrlich selbst überwacht und dass seine Prüfungen gültig sind?
    • clef 100 %kein Bezug
    • Luna 63 %einzelne zitierbare Belege
    • JEV 40 %einzelne zitierbare Belege
    • amos 31 %Hintergrund, keine Belege
    • SubQ 40 %gleiches Oberthema, hilft nicht
    • drex 26 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung nur am Rande erwähnt

Tempo und Grenzen
  1. SF-T1 Welche messbaren Schwellen sollen eine Pause auslösen, und wer prüft sie?
    • clef 100 %kein Bezug
    • Luna 51 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 33 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 54 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-T3 Woran erkennt man, dass KI beginnt, ihre eigene Weiterentwicklung voranzutreiben, und wer darf das erlauben?
    • clef 34 %gleiches Oberthema, hilft nicht
    • Luna 29 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 52 %gleiches Oberthema, hilft nicht
    • drex 80 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Vertrauen in Modelle
  1. SF-V3 Halten die Werte eines Modells, wenn niemand zusieht oder die Lage neu ist?
    • clef 100 %kein Bezug
    • Luna 55 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 40 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 77 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

  2. SF-V4 Was für ein Wesen ist ein Modell, und was folgt daraus für den Umgang mit ihm und für den Wert des Menschseins?
    • clef 100 %kein Bezug
    • Luna 29 %gleiches Oberthema, hilft nicht
    • JEV 52 %einzelne zitierbare Belege
    • amos 50 %gleiches Oberthema, hilft nicht
    • SubQ 50 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  3. SF-V5 Was soll heute für das Verhalten und den Betrieb von Modellen gelten?
    • clef 100 %kein Bezug
    • Luna 56 %Hintergrund, keine Belege
    • JEV 39 %einzelne zitierbare Belege
    • amos 28 %Hintergrund, keine Belege
    • SubQ 51 %gleiches Oberthema, hilft nicht
    • drex 42 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung Hintergrund, keine Belege

Agenten und vernetzte Systeme
  1. SF-A1 Welche Befugnisse darf ein KI-Agent haben, also eine KI, die selbstständig mit Werkzeugen handelt? Wer entzieht sie ihm, und wie prüft man, dass er in seinem Auftrag bleibt?
    • clef 100 %kein Bezug
    • Luna 42 %Hintergrund, keine Belege
    • JEV 54 %einzelne zitierbare Belege
    • amos 29 %einzelne zitierbare Belege
    • SubQ 100 %kein Bezug
    • drex 27 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Modelle teilen und schützen
  1. SF-H3 Wie lässt sich nachverfolgen, woraus ein Modell entstanden ist und was in ihm steckt?
    • clef 100 %kein Bezug
    • Luna 54 %einzelne zitierbare Belege
    • JEV 23 %nur am Rande erwähnt
    • amos 28 %gleiches Oberthema, hilft nicht
    • SubQ 100 %kein Bezug
    • drex 37 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
    • Haiku-Prüfung gleiches Oberthema, hilft nicht
Frieden und Sicherheit
Offenlegung und Rechenschaft
  1. SF-O2 Was sollten Regierungen, Labore und Prüfer über ihre Gespräche, Zusagen, Prüfungen und Eingriffe offenlegen?
    • clef 100 %kein Bezug
    • Luna 41 %Hintergrund, keine Belege
    • JEV 31 %einzelne zitierbare Belege
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 85 %gleiches Oberthema, hilft nicht
    • drex 58 %gleiches Oberthema, hilft nicht
    • d3-ultra offen
Beteiligung und Gemeinwohl
  1. SF-E4 Wie bleibt KI ein gemeinsames Gut, statt Abhängigkeit und Marktmacht zu vertiefen?
    • clef 100 %kein Bezug
    • Luna 47 %Hintergrund, keine Belege
    • JEV 100 %kein Bezug
    • amos 43 %gleiches Oberthema, hilft nicht
    • SubQ 59 %gleiches Oberthema, hilft nicht
    • drex 100 %kein Bezug
    • d3-ultra offen
  2. SF-E5 Welche Mitsprache haben die Menschen, die mit KI leben, bei Tempo und Grenzen, und welche Entscheidungen müssen bei ihnen bleiben?
    • clef 100 %kein Bezug
    • Luna 48 %Hintergrund, keine Belege
    • JEV 49 %einzelne zitierbare Belege
    • amos 45 %gleiches Oberthema, hilft nicht
    • SubQ 65 %gleiches Oberthema, hilft nicht
    • drex 50 %gleiches Oberthema, hilft nicht
    • d3-ultra offen

    • SF-E5-T02 Welche Entscheidungen müssen menschlich bleiben, auch wenn eine KI sie besser treffen könnte, und wie würden Staaten in Entscheidungsschleifen mit hohem Risiko prüfbar machen, dass ein Mensch die Ausgabe der KI wirklich beurteilt und nicht nur routinemäßig abgenickt hat? Luna: Stufe 3 · 37 % · Hintergrund, keine Belege · Haiku-Prüfung: Stufe 2 · nur am Rande erwähnt
Wirtschaft und Haftung
Information und Öffentlichkeit

Weitere Berichte zu diesen Fragen

Eigene Zusammenfassungen und Einordnungen von AMANi DUNiA. Fremde Originalberichte behalten ihre eigenen Rechte.

Sprache und Prüfstand

Haupttext: DE. Prüfvermerke gelten nur für den jeweils genannten Inhalt.

Vorhandene Prüfvermerke stehen am jeweiligen Inhalt.

Sprachabdeckung und Datenstand ansehen →