· kaynak OpenAI blog/news
Hebbia, GPT-6 Astra'nın finansal araştırmada kaynak gösterme doğruluğu ve sunum hazırlama alanındaki kazanımlarını raporladı
Hebbia'ya göre GPT-6 Astra, OpenAI'nin bir müşteri hikâyesi olarak yayımladığı testlerde, doğru kaynakları gösterme ve sunum talimatlarına uyma konusunda rakip modelleri çift haneli farklarla geride bıraktı.

Neler test edildi
Belge yoğun araştırmalarda finans profesyonellerine yardımcı olan Matrix platformunun geliştiricisi Hebbia, OpenAI'nin GPT-6 Astra modelini bir analistin işinin iki temel bölümünde test etti: bir soru için doğru kaynakları bulmak ve müşteriye hazır bir sunum üretmek. OpenAI'nin blogunda 20 Kasım 2026'da yayımlanan müşteri hikâyesine göre model, her iki görevde de Hebbia'nın denediği tüm alternatiflerden daha iyi performans gösterdi.
Matrix, bir satın alma tavsiyesinden önce yapılan işlemler için tasarlandı: finansal tablolar, müşteri sözleşmeleri ve yönetim sunumları sentezlenmeli ve yanıtlar arkalarındaki belgelere dayandırılmalıdır. Hebbia'nın anlattığı varsayımsal bir örnekte, endüstriyel yazılım sektöründeki bir satın alma için yaklaşık 2.000 dosyalık bir veri odasını inceleyen bir bankacı, Matrix'i kullanarak müşteri yoğunluğunu, sözleşme koşullarını ve müşteri kaybını analiz edebilir, benzer şirketlerin dosyalarını ve sektör haberlerini dahil edebilir ve ardından firma kendi şablonunda bir due diligence özeti ve değerleme sunumu oluşturabilir.
GPT-6 Astra'nın bu iş akışındaki rolü iki yönlüdür: bir yanıtı destekleyen belgeleri veya Matrix hücrelerini seçer ve ortaya çıkan analizi, kullanıcının yapısına ve yönergelerine uygun yerel PowerPoint slaytlarına dönüştürür.
Kaynak gösterme doğruluğu
Öne çıkan rakamlar kaynak seçimine ilişkin. Hebbia'nın testlerinde GPT-6 Astra, gerekli kaynak türlerini gösterme konusunda test edilen en iyi alternatif modelin 13,6 puan üzerinde skor aldı ve gösterdiği alıntıların yüzde 99,5'i sorulan soruyla ilgiliydi.
Hebbia, modelin yayım öncesi bir sürümünü Ağustos ve Eylül 2026 arasında, her model için özdeş finansal araştırma vakaları ve değerlendirme ölçütleri kullanarak değerlendirdi. Şirket, bu ölçütleri alan uzmanlarının kaynak belgelere karşı yazdığını veya denetlediğini söylüyor.
İzlenebilirlik ürünün merkezinde. Kullanıcılar bir kaynağı açarak arkaündeki belgeyi ve vurgulanmış pasajı görebiliyor ve slayt dipnotları kaynak materyale geri bağlanıyor — bu da bir sunum yatırım komitesine ulaşmadan önce, bir müşteri yoğunluğu rakamını kaynak tabloya göre doğrulamak ya da bir raporlama dönemini düzeltmek kadar dar kapsamlı kontrolleri mümkün kılıyor. Hebbia'nın ürün ve teknik ekibinden Kavita Anand, izlenebilirliğin kullanıcılar için önemli olduğunu şöyle açıkladı: "milyonlarca dolarlık kararları, yapay zekânın gerçekten ürettiği sonuçlara dayanıyorlar."
Sunum kalitesi
İkinci iş yükü, bir bankacının gerçekten göndereceği bir çıktı üretmekti. Hebbia, modelin talimata — kullanıcının yapısına ve yönergelerine — ne ölçüde uyduğunu ve sunumun genel kalitesini ölçtü. GPT-6 Astra, geçerli sunum gereksinimlerinin yüzde 97,9'unu karşıladı ve test edilen en iyi alternatifin 14,4 puan önünde yer aldı.
Hebbia'ya göre diğer modeller cilalı görünüm ile talimatlara uyum arasında bir denge kurma eğilimindeydi: bazıları özenle hazırlanmış slaytlar üretiyor ama yönergeleri yok sayıyordu, diğerleri talimata uyuyor ama makine tarafından üretilmiş gibi görünüyordu. Anand'a göre GPT-6 Astra, şirketin her iki boyutta da ilk sıraya yerleşen ilk modeliydi. Onun deyişiyle amaç, bir sunum üzerindeki gece boyu süren çalışmanın birkaç dakikalık bir incelemeye indirgenebileceği kadar nihai çıktıya yakın bir ilk taslak elde etmek.
Ufukta agent'lar
Mevcut testlerin ötesinde Hebbia, arka planda bilgiyi izleyen ve finans profesyonelleri için sinyalleri öne çıkaran agent'lar için gelecekteki bir kullanım çizdi. Anand'ın çerçevesiyle cazip olan, rakiplerden saatler önce anlamlı bir sinyal almak ve bir insanın elle avlayabileceğinden daha fazla fırsatı işlemek.
Neden önemli
Bu, bir frontier modelin genel amaçlı benchmark'lar yerine gerçek profesyonel iş yükleriyle nasıl performans gösterdiğine dair şimdiye kadarki daha somut veri noktalarından biri. Hebbia'nın raporladığı kazanımlar marjinal değil: kaynak kapsama ve format uyumundaki çift haneli puan iyileşmeleri, doğrudan kaynakları doğrulamak ve sunumları yeniden biçimlendirmek için harcanan sürenin azalmasına denk geliyor — finansal araştırmadaki emeğin önemli kısmı da tam olarak burada yatıyor.
İki uyarıyı akılda tutmak gerekiyor. Sonuçlar OpenAI'nin kendi blogundaki bir müşteri hikâyesinden geliyor, yayım öncesi bir sürümün Hebbia'nın iç testlerine dayanıyor, bağımsız bir doğrulama yok ve karşılaştırılan modeller adlandırılmamış. Hebbia'nın anlattığı iş akışı da açıkça varsayımsal. Yine de örüntü dikkat çekici: yüksek riskli bilgi işinde belirleyici olanlar, yalnızca metnin kalitesi değil, atıfın doğruluğu ve evdeki biçimlendirmeye bağlılıklar — ve sağlayıcılar tam bunu göstermek için giderek daha çok hedefli değerlendirme yayımlıyor.
- #openai
- #gpt-6
- #hebbia
- #financial-research
- #llm-evaluation
İlgili yazılar
- Anthropic'un Nasdaq'a çıkışı, önce güvenlik odaklı markasını hissedar baskısı altına sokuyor
- OpenAI Agents SDK, yeni issue'ların yüzde 98'ini 30 günde kapattı; Anthropic'un Claude Agent SDK'sı 54'ün 1'ini
- Output tokenlar LLM hacminin yüzde 17'isi ama API faturasının yarısı, diye buluyor fiyatlandırma analizi