Vals Finance Agent

Name: Vals Finance Agent
Creator: Vals AI

Vals AI / 専門業務 · 金融アナリストの日常業務の課題で、リサーチレポートやモデル構築といった仕事の出来を見る。

AIサイシンでの扱いランキング採用

配分3%

元データの日時10/20 09:00

最終同期10/24 02:22

何を、どう測るか

Finance Agent v2 の公式 Overall 正答率のみを採用する。

業界専門タスクの予算 3%。現在は金融を直接測っており、すべての業界をカバーしたとは主張しない。

一定のルールに従い、公開モデルごとに代表的な構成を一つ採用する。匿名のテスト版モデルは表示せず、元の順位をそのまま残す。各項目最大 30 件。

元の順位	モデル名	元スコア	代表構成
1	google/gemini-4-argonGoogle	65.4%	High 推論
2	google/gemini-3.8-flashGoogle	61.4%	High 推論
3	meta/muse-spark-openMeta	61.3%	xHigh 推論
4	meta/muse_spark_1_2Meta	60.6%	xHigh 推論
5	meta/muse_spark_1_3_maxMeta	60.0%	Max 推論
6	meta/muse-wonder-fullMeta	59.1%	Max 推論
7	google/gemini-3.7-flashGoogle	59.0%	High 推論
9	anthropic/claude-fable-5-1Anthropic	58.9%	Max 推論
10	anthropic/claude-opus-5Anthropic	58.6%	Max 推論
11	anthropic/claude-opus-5-5Anthropic	58.6%	Max 推論
12	anthropic/claude-sonnet-5-5Anthropic	58.1%	Max 推論
13	alibaba/qwen3.8-max-internalAlibaba	57.9%	ソース既定の構成
14	google/gemini-3.5-flashGoogle	57.9%	High 推論
15	zai/glm-5.3-flashZ.ai	57.9%	Max 推論
16	xiaomi/mimo-v2.6-proXiaomi	57.3%	ソース既定の構成
17	meta/muse_spark_1_1Meta	57.2%	xHigh 推論
18	deepseek/deepseek-v4.1-flash-1017DeepSeek	57.0%	Max 推論
19	meta/muse-wonderMeta	56.6%	Max 推論
20	anthropic/claude-fable-5Anthropic	56.3%	Max 推論
21	google/gemini-3.6-flashGoogle	56.3%	High 推論
22	xiaomi/mimo-v2.6-flashXiaomi	56.3%	ソース既定の構成
23	zai/glm-5.3Z.ai	55.8%	Max 推論
24	tencent/hy4-previewTencent	55.1%	ソース既定の構成
25	openai/gpt-5.6-lunaOpenAI	55.0%	Max 推論
26	ant/ling-3.0-flash-af-rc3Ant	54.9%	ソース既定の構成
27	mistralai/mistral-large-4mistral	54.7%	High 推論
28	openai/gpt-5.6-terraOpenAI	54.4%	Max 推論
29	anthropic/claude-haiku-5-5Anthropic	54.1%	Max 推論
30	anthropic/claude-opus-4-8Anthropic	53.9%	Max 推論
31	anthropic/claude-sonnet-5Anthropic	53.9%	Max 推論

評価の限界とデータの出典

非公開問題は 1 問ずつ再計算できない。APEX と同じく業務タスクに属するため、1 つの予算を共有しなければならない。

データライセンス：公式の公開結果。公開の再表示では公式の出典表示を残し、完全な再配布許諾は引き続き Vals の条件に従う

成績は Vals AI が公表したもの。元のスコアと AIサイシンのコンセンサス指数は尺度が異なり、そのまま比較・合算はできない。