Terminal X利用GPT-6.1实现AI投资决策与资深投资人88.6%的一致性
金融科技公司Terminal X通过其Capital Memory操作系统，将顶级投资人的判断逻辑编码为AI代理。基于OpenAI的GPT-6.1 Sol模型，其评估代理在54项标准下对投资建议进行打分，与资深人类评审员的一致性达到88.6%，比次优模型高出220个基点。该系统能多捕捉25%偏离基金 mandates 的建议，并将单次查询成本降低30%，帮助客户实现尽职调查流程的显著自动化与降本增效。
事件概述
金融科技公司 Terminal X 推出了名为 Capital Memory 的操作系统，旨在解决投资机构因核心人员流动导致的“记忆债务”问题。该系统通过部署前置工程师团队，深入客户现场逆向工程资深投资人的决策逻辑、备忘录及未文档化的筛选流程，将其转化为可复用的 AI 代理架构。这些代理运行在企业私有数据室中，支持英、韩、日、中多语言文档处理，并记录版本化的决策历史（即 Firm Memory），确保每一笔生产查询均可审计。
核心技术与性能表现
Terminal X 采用 OpenAI 的多模型策略：
- GPT-6.1 Sol：负责需要深度推理和长上下文窗口的高阶任务，如合成投资论点、识别关键考量因素及评估是否符合基金 mandate。
- GPT-6 Luna：负责高吞吐量但无需深度推理的步骤，以优化 Token 效率。
为了量化 AI 输出质量，Terminal X 构建了 Eval Agent（评估代理）。该代理基于 GPT-6.1 Sol 构建，依据包含 54 个标准的评分表对 AI 生成的投资建议进行严格审查，检查数据来源、叙事逻辑及与机构观点的一致性。任何失败案例都会生成修正建议并反馈至系统，形成持续学习的闭环。
关键数据对比
在与次优模型的横向测试中，基于 GPT-6.1 Sol 的系统展现出显著优势：
- 决策一致性提升：在 500 个评分判断中，Eval Agent 与资深人类评审员的一致性达到 88.6%，而次优模型仅为 86.4%，提升了 220 个基点 (bps)。
- 偏差检测能力增强：在面对市场波动导致投资策略漂移（如从杠杆收购转向困境信贷）时，GPT-6.1 Sol 能比次优模型多捕捉约 25% 的偏离基金 mandate 的建议。
- 成本效益优化：由于 GPT-6.1 Sol 在长上下文工作下的 Token 效率更高，Terminal X 能够在相同预算内构建更深层的审查工作流，且单次查询成本比次优模型低约 30%，速度相当。
商业价值与客户案例
该系统的落地带来了显著的财务节约和效率提升：
- 自动化节省：一家私募股权客户报告称，通过自动化尽职调查和投资备忘录工作流，实现了每年 240 万美元 的年化节省。
- 规模化应用：目前 Terminal X 已建立 1,700 个机构记忆库，运行超过 100 万次自定义工作流，周活跃用户数占月活跃用户的 81%。
未来展望
Terminal X 下一步计划将机构记忆从“部门级”扩展至“个人级”，捕捉每位投资专业人士在实际操作中的判断标准，而非仅依赖书面描述。其核心理念是使投资判断成为可测量、可保留、可改进和可复用的数据资产。