Хедж-фонд Bridgewater Associates совместно с компанией Thinking Machines Lab, основанной экс-техническим директором OpenAI Мирой Мурати, представили результаты исследования. Согласно им, специализированная дообученная модель с открытыми весами превзошла топовые коммерческие ИИ-системы в задачах финансового анализа, при этом потребовав в 14 раз меньше вычислительных ресурсов.
В центре внимания оказалась одна из самых сложных задач инвестиционной сферы: оперативная фильтрация и оценка значимости потока данных. Инвесторам приходится ежедневно перерабатывать колоссальные объемы корпоративной отчетности, новостных сводок, регуляторных документов и писем, где решающее значение часто имеют неочевидные экспертные оценки.
Исследователи протестировали модели на 6 типовых задачах, включая оценку влияния финансовых новостей на решения руководства корпораций и интерпретацию сигналов центральных банков относительно изменения процентных ставок. Как отмечают авторы, эти решения требуют глубокой экспертизы, которую специалистам трудно формализовать в четкие инструкции для нейросетей.
Изображение сгенерировано: Nano Banana
Результаты тестирования популярных коммерческих систем оказались скромными. Базовые версии GPT, Claude и Gemini при стандартных запросах демонстрировали точность около 50%. Даже при использовании сложных промптов и внедрении трехуровневой системы градации (от «важно и интересно» до «неважно») точность поднималась лишь до 75%, что ниже установленного экспертами порога надежности в 80%.
Авторы также обратили внимание на проблему «затухающей отдачи» новых поколений ИИ. Например, модель GPT 5.4 требует на 43% больше вычислительных затрат, чем версия 5.2, при этом прирост точности остается минимальным.
Для оптимизации процесса команда применила метод дообучения открытой модели на специфических корпоративных данных. Чтобы не тратить ресурсы на ручную разметку всех материалов, исследователи использовали промежуточную модель, которая выявляла вероятные ошибки и отправляла на финальную проверку людям только наиболее спорные фрагменты.
Дообучение проводилось на платформе Tinker (разработка Thinking Machines Lab) с использованием открытой архитектуры Qwen3–235B. В итоге специализированная система показала точность 84,7%, тогда как лучшая из коммерческих альтернатив остановилась на отметке 78,2%.
Хотя исследователи признают, что методология была внутренней и требует независимой проверки, работа демонстрирует важный тренд: ключевые экспертные знания и данные остаются внутри компаний, и универсальные модели не всегда способны эффективно их использовать без глубокой узкопрофильной настройки.
