Eval Agent на 54 критериях: 88,6% как у старших инвесторов

Terminal X вынесла проверку выводов investment-агентов в отдельный Eval Agent: рубрика из 54 критериев, и на GPT-6.1 Sol он ловит примерно на 25% больше рекомендаций, которые уходят от мандата фонда, чем следующая модель в том же пайплайне. Типичный срыв — buyout-фонд внезапно советует rescue financing; такие отклонения как раз ищет eval-цикл.

Под капотом Capital Memory: инженеры Terminal X (бывшие JPMorgan и Blackstone) неделями снимают с десков неписаные процессы и кодируют их в сотни агентов по классам активов. GPT-6.1 Sol тянет длинный контекст — тезис, fit с мандатом; GPT-6 Luna — объёмные шаги, где важнее цена токена. На 500 размеченных суждениях Eval Agent на Sol совпал со старшим ревьюером в 88,6% случаев против 86,4% у альтернативы.

Что делает Eval Agent

• Сверяет цифры, comps и цитаты с нужными источниками, целостность нарратива и связь рекомендации с house view
• Каждый fail — одна строка причины, лучший источник или исправленный текст; запись уходит в Memory как инструкция или тест-кейс деска
• В том же бюджете — глубже: сначала мандат, потом недавние сделки; сомнительные вердикты перезапускают и сводят в один отчёт

Тот же стек даёт около 30% экономии на запрос при схожей скорости. Один PE-клиент заявил $2.4 млн годовой экономии на due diligence и мемо; на платформе уже 1 700 firm Memories и больше миллиона кастомных workflow, weekly active — 81% от monthly.

Дальше Terminal X хочет Memories не только на деск, но и на отдельного инвестора — стандарт по практике, а не по handbook.

Источник: Terminal X matches senior investor judgment 88.6% with GPT-6.1.