Hebbia 披露 GPT-6 Astra 金融研报制作与文献溯源实测结果
Hebbia sees improvements in financial research with GPT-6 Astra
Hebbia 测试了 OpenAI 的 GPT-6 Astra 模型,用于在金融研究中检索文档证据并自动生成符合机构规范的 PowerPoint 演示文稿。实测数据显示,GPT-6 Astra 在必要信源引用率上领先同类最佳对照模型 13.6 个百分点,引用摘录相关度达 99.5%,同时在演示文稿排版与格式要求符合度上达到 97.9%,领先对照模型 14.4 个百分点。
实测数据展示了模型在严格遵循格式要求与文献溯源上的量化表现,为金融场景的自动化研报制作提供了落地参考。
投资银行家在向客户推荐并购标的之前,必须彻底读懂财务报表、客户合同以及管理层演示材料。Hebbia 旗下的 Matrix 正是用于整合这类调研工作,并将每个分析结论回溯链接到对应的原始文档中。
Hebbia 测试了 OpenAI 的 GPT-6 Astra,希望优化工作流中的两大环节:精准找出问题所需的原始信源,以及根据银行家的需求大纲生成符合要求的演示文稿。
“在 Hebbia 的整个发展历程中,我们始终与 OpenAI 保持着紧密合作。GPT-6 Astra 在输出质量和准确性上的跨越式提升确实令人惊叹。在我们测试过的所有模型中,它在这两项上的表现都堪称拔尖。”
——Kavita Anand,Hebbia 产品技术研发团队成员
从原始文档到演示文稿
实际应用场景可能是这样的:一位银行家正协助客户评估对一家工业软件公司的战略收购,手头有大约 2,000 份文件需要审阅。这家公司的收入为何具有持续性?它与同行相比又如何?在 Hebbia 给出的假设案例中,银行家可以将虚拟资料室(data room)中的所有文件导入 Matrix,在带有出处引用的单元格中细致排查客户集中度、合同条款及流失率。Matrix 还能调取同行披露文件和行业资讯,协助梳理交易核心逻辑,并依据机构专属模板,将这些调研成果一键转化为尽调总结和估值汇报材料。
在这个工作流中,GPT-6 Astra 既能挑选相关文档或 Matrix 单元格来佐证结论,又能将分析成果转化为符合用户结构与规范的原生 PowerPoint 幻灯片。

“对我们的用户来说,可追溯性至关重要,因为他们要依据 AI 给出的结果做出数百万美元的决策,”Kavita 表示,“来源引用不仅能保障可追溯性,还能让用户确信 AI 找到了正确答案。”
在 Hebbia 的测试中,GPT-6 Astra 兼具了更广的信源覆盖面与极高的引用相关性。在引用所需信源类型方面,它的得分比测试中表现第二好的模型高出 13.6 个百分点;同时,其引用的摘录中有 99.5% 都与问题直接相关。
Hebbia 在 2026 年 8 月至 9 月期间测试了一个预发布版本,对所有模型均使用相同的金融调研案例和评分标准。这些评分标准均由领域专家对照原始文档亲自编写或审核。
“当你面对包含数千份文件的资料室时,这一点极为关键。哪怕只提升一个百分点,也能带来巨大的边际收益,”Kavita 说道。
此外,演示文稿的呈现效果必须达到专业水准,能直接提交给客户。
“我可不想做出一份充斥着‘AI 味’的幻灯片发给合伙人,”Kavita 说,“我希望它符合我们公司的品牌视觉规范,看起来就像人工制作的一样。”
GPT-6 Astra 在理解需求大纲与演示品质两方面均拔得头筹。在 Hebbia 的测试中,它满足了 97.9% 的适用演示要求,比测试中表现第二好的模型高出 14.4 个百分点。其他模型往往在精致度和贴合要求之间顾此失彼,而 GPT-6 Astra 在两项指标上均位列第一。
Kavita 表示:“过去我们看到的模型往往只能在某一方面表现出色,要么生成的内容很精美,但遵循指令和规则的能力较弱;要么反之亦然。而 GPT-6 Astra 是我们见过的首个在这两个维度上都拔得头筹的模型。”
在 Hebbia 中,用户可以打开引用直接查看底层文档和高亮段落;PPT 幻灯片的脚注也能直接跳转回原始材料。核对过程可以非常具体,比如在把汇报材料提交给投委会之前,对照原始表格核查客户集中度数据,并修正报告周期。

Hebbia 希望帮助投行人士减少调整 PPT 格式和核对信源的时间,把更多精力放在评估交易本身上。Kavita 描述了更完善的初稿能带来怎样的改变:
“GPT-6 Astra 最令人惊叹的地方,在于它能够严格遵循用户要求,生成高度精准的内容与成品。当你拿到的初稿已经非常接近最终交付成果时,这能为专业人士节省大量时间。过去不得不熬夜通宵的工作,现在缩短为花几分钟复核 GPT-6 Astra 输出的结果即可。”
——Kavita Anand,Hebbia 产品技术团队成员
智能体的未来角色
Kavita 认为,智能体未来可以在后台持续监测信息,并将关键信号提炼出来供金融专业人士评估。
“试想一下,如果你能比竞争对手提前几个小时捕捉到重要信号,”她说,“你就能提早展开研判,发现并抓住更多单靠人工无法搜寻到的机会。这能为我们的用户带来巨大的价值。”
Hebbia 希望在这些成果的基础上,借助可追溯信源的研究分析,帮助金融专业人士更好地评估交易。
OpenAI <3 初创企业
获取 OpenAI 商业版最新动态
产品更新、实用指南、近期活动等丰富内容。
来源:OpenAI News · openai.com