DeepFinance 发布：用于评估 AI 执行私募股权与投行长周期任务的基准

Julius Research 发布 DeepFinance 基准，包含 21 个模拟私募股权与投行工作流的长周期任务，平均评分标准 84 项。测试结果显示，Claude Opus 5.5 得分 54.8% 位居榜首，GPT-6 Astra 得分 54.2%。该基准强调轨迹审计，不仅评估结果数值，还审查推理过程的可追溯性。