Terminal X 是一家为投资机构构建智能体的公司，其产品 Capital Memory 旨在把资深投资人的决策判断编码成可运行、可审计的智能体，解决所谓「记忆债」——人员离职后机构虽然保留文档，却丢失了决策背后的推理过程。

Terminal X 的部署方式是与客户团队驻场合作，由来自 JPMorgan、Blackstone 背景的工程师逆向工程投资机构的内部备忘录和未成文流程，然后按资产类别和策略定制成数百个智能体。其中 GPT-6.1 Sol 负责需要判断力和大上下文窗口的阶段，例如综合投资论点、识别关键考量、评估与授权的一致性；GPT-6 Luna 负责对 token 效率要求高于深度的高吞吐步骤。智能体在私有数据室中处理英、韩、日、中文文档，并将学习内容沉淀为「公司记忆」（firm Memory），记录某一类决策的版本化历史，包括过往分析、委员会决策、流程指令和内部观点。每个生产查询都保留完整追踪：步骤、来源、模型和推理。

为了校验智能体输出，Terminal X 构建了 Eval Agent，用 54 条标准检查答案，包括数字、可比对象、共识数据、引用来源是否正确，叙述是否成立，建议是否与内部观点一致。每个失败项附带一行原因和更好的来源或修正文本，并成为新的记忆或测试用例。这样系统越用越像该机构自己的团队。

在模型选择上，Terminal X 基于自身评测。在 500 个评分判断中，基于 GPT-6.1 Sol 的 Eval Agent 与高级人工审阅者的一致率为 88.6%，比次优模型的 86.4% 高出 220 个基点。尤其是风格漂移（style drift）错误，例如并购基金在情景模型显示市场转向时开始推荐不良债务或救援融资，这类偏离授权建议的行为，GPT-6.1 Sol 比次优模型多捕获约 25%。同时，在类似速度下，GPT-6.1 Sol 运行同样工作流的每次查询成本比次优模型低约 30%。得益于 token 效率，Terminal X 在相同预算内构建了更深的审查流程：先对照基金授权测试论点，再对照近期交易，不确定的结论重新运行并协调。

客户收益方面，一家私募股权公司报告通过自动化尽职调查和投资备忘录工作流，年度化节省 240 万美元。截至文中，Terminal X 已构建 1700 个公司记忆，运行超过 100 万个自定义工作流，周活跃用户达到月活的 81%。下一步是将公司记忆从 desk 扩展到个人，记录每个投资专业人员实际践行的标准。CEO Hyun Hong 称，赢得未来十年的公司将把自己的判断作为数据资产，Terminal X 的工作就是让这种判断可度量、可保留、可改进、可复用。