Model ML 是一家为金融行业提供 AI Agent 的初创公司，其核心产品是能够把金融分析从初始需求一路推进到可编辑的 PowerPoint 和 Excel 文件的自动化工作流。它的价值在于替金融从业者完成“最后一英里”——核对证据、构建文件、检查数字、链接来源，最终交付一份可直接用于客户或决策者审阅的成品。

Agent 的工作方式由一个核心规划器负责：拆解任务、选择合适工具、核对证据、执行计算，并将每一步路由到最适合的模型——通常是 GPT‑5.6 Sol。Model ML 自研了文档工具，能直接生成原生 Office 文件，且所有数字和来源均可追溯。联合创始人兼 CEO Chaz Englander 表示，早期模型虽然能完成分析师的工作，但用户必须明确拆解任务并指定输出格式，而 GPT‑5.6 Sol 的 Agent 输出已非常接近最终成品。

Model ML 用自家评估基准 Composite 对 GPT‑5.6 Sol 进行了多维度测试。在 PowerPoint 工作流中，GPT‑5.6 Sol 的完成率达到 100%（Opus 5 为 76%），专业就绪率（输出可直接进入实质性审阅）达到 43.3%（Opus 5 为 26.7%），且在 deck 质量、简报遵循度、层级结构和一致性上均领先。在 Excel 工作流中，GPT‑5.6 Sol 每个工作簿的 token 消耗比 Opus 5 少 36%，比 Fable 5 少 21%。

具体案例同样有说服力：一家全球资产管理公司将分析师通常需要一小时完成的定制化 tearsheet 缩短至约五分钟；另一个工作流中，Model ML 的 Agent 一次性处理了包含超过 10 万行数据和数百个文件的虚拟数据室。

Agent 在执行 PPT 制作时，会保持原始简报在上下文中，用文档工具创建可编辑的图表和表格，并在返回前逐张进行视觉检查。Model ML 通过与 OpenAI 的现场会议，优化了 Agent 的指令和工具加载逻辑，确保 Agent 在正确的时机加载正确的工具包。

客户正在向基于浏览器的输出迁移，要求输出能持续更新或锁定到某一时刻。Model ML 的平台可以生成安全的交互式输出，审阅者可以点开投资摘要中的一个数字，直接跳转到背后的财务模型，并在同一页面上与 Agent 交互。Englander 认为，PowerPoint、Excel 和 Word 是为知识工作手动创建的时代设计的，AI 已经改变了这一假设，软件本身即将改变。