
Hebbia 借助 GPT-6 Astra 改进金融研究

银行家要给出收购建议,先得把财务报表、客户合同、管理层演示材料读懂。Hebbia 的 Matrix 把这套研究流程集中起来,将答案链接到背后的文档。该公司测试了 OpenAI 的 GPT-6 Astra,用来改进两个环节:找到问题需要的来源,以及按银行家的简报生成演示文稿。
一个假设场景是:银行家帮客户评估对一家工业软件公司的战略收购,约 2000 份文件待审。用户可以把数据室加载进 Matrix,检查客户集中度、合同条款和流失率,Matrix 再引入同行文件和行业新闻辅助形成交易论点,最后输出尽职调查摘要和估值 deck。GPT-6 Astra 在这个流程中负责挑选支持答案的文档或 Matrix 单元格,并把分析结果转成原生 PowerPoint 幻灯片,遵循用户设定的结构与版式。
可追溯性是这类产品的核心要求,因为用户依据 AI 返回的内容做数百万美元的决策。Hebbia 的测试结果显示,GPT-6 Astra 在引用所需类型来源这一项上,比测试过的最佳替代模型高 13.6 个百分点,且它引用的摘录中有 99.5% 与问题相关。测试用的是预发布版本,时间在 2026 年 8-9 月,各模型采用相同的金融研究案例和评分标准,由领域专家根据源文档编写或审核。
演示内容也不能有 AI 味。GPT-6 Astra 在遵循简报和演示质量两个维度都排第一:它满足了 97.9% 的适用演示要求,比最佳替代方案高 14.4 个百分点。其他模型在精美度和遵循简报之间做取舍,Kavita Anand(Hebbia 产品团队的技术成员)说,GPT-6 Astra 是他们见过的第一个在这两方面同时领先的模型。
在 Hebbia 的界面里,用户可以点开引用看底层文档和高亮段落,幻灯片脚注也链接回源材料。审查可以细到核对客户集中度数字与源表,在 deck 上会前修正报告期。Hebbia 的目标是让银行家少花时间调格式、查来源,多花时间评估交易本身。Kavita 说,当输出的 deck 已经接近终稿时,原本需要通宵完成的工作可以压缩成几分钟的审查。
关于下一步,Kavita 设想由 agent 在后台持续监控信息,让金融专业人士比竞争对手早几小时获得重要信号,不必手动搜索就能处理更多机会。Hebbia 打算在测试结果基础上,继续帮助金融专业人士用可追溯到来源的研究评估交易。

