A startup Model ML anunciou a integração do modelo GPT-5.6 Sol, da OpenAI, aos seus fluxos de trabalho em finanças, com ganhos de eficiência frente a modelos concorrentes como Opus 5 e Fable 5. Os benchmarks internos da empresa indicam redução significativa no uso de tokens e melhoria nos índices de prontidão profissional dos materiais gerados para clientes corporativos.
Eficiência e automação na produção de materiais financeiros
O principal uso do GPT-5.6 Sol na Model ML é a produção automatizada de arquivos editáveis de PowerPoint e Excel, essenciais para apresentações e análises em ambientes financeiros. Segundo a empresa, a nova configuração permitiu reduzir em 21% o número de tokens utilizados por apresentação em relação ao Fable 5 e em 36% no caso de planilhas Excel comparado ao Opus 5 (fonte).
Além do ganho em eficiência, o modelo elevou a taxa de entregas consideradas profissionalmente prontas: na tarefa de criar apresentações, a “professional-readiness rate” chegou a 43,3% com o GPT-5.6 Sol, um avanço de 16,6 pontos percentuais frente ao Opus 5. O modelo também completou 100% dos fluxos de PowerPoint testados, contra 76% do Opus 5.
Benchmarks internos: comparativo entre modelos
A avaliação da Model ML, batizada de Composite, compara a performance de diferentes LLMs ao longo de todo o ciclo de trabalho financeiro — do briefing inicial à geração de arquivos finais. Os resultados em PowerPoint destacam:
- Deck quality (overall score, readiness-gated): 59,9% para GPT-5.6 Sol, contra 56,7% do Opus 5.
- Deliverability (prontidão profissional): 43,3% (Sol) vs. 26,7% (Opus 5).
- Tokens por deck: 1,10M (Sol), 953K (Opus 5), 1,40M (Fable 5).
- Consistência visual: 97,8% (Sol) vs. 93,3% (Opus 5).
Nos fluxos de Excel, o GPT-5.6 Sol também se destacou em eficiência de tokens e na capacidade de entregar planilhas completas, embora em “fully correct models” Opus 5 tenha superado o Sol (60% vs. 50%).
Impacto prático em operações financeiras
A automação proporcionada pelo novo modelo já impacta o dia a dia de clientes da Model ML. Um exemplo citado foi a redução do tempo para montar um “tearsheet” (relatório analítico): de cerca de uma hora para apenas cinco minutos. Em outro caso, agentes da Model ML processaram data rooms virtuais com mais de 100 mil linhas e centenas de arquivos em uma única operação.
O foco, segundo a startup, é liberar profissionais de finanças para tarefas de julgamento e refinamento de mensagens, enquanto a IA cuida da coleta, análise e formatação dos dados. A integração com plug-ins do Microsoft Office permite iniciar tarefas em diferentes superfícies — e-mail, app ou Excel/PowerPoint — sem perda de contexto.
Contexto e limitações
Os benchmarks apresentados são internos, realizados pelo próprio time da Model ML, utilizando fluxos e rubricas de avaliação próprios do setor financeiro. Não há, até o momento, validação independente dos números ou comparação em benchmarks abertos. Os dados de contexto máximo, parâmetros do modelo e preços de API do GPT-5.6 Sol não foram divulgados na publicação.
Por que importa
A adoção de modelos de última geração como o GPT-5.6 Sol em operações financeiras indica maturidade na automação de tarefas repetitivas e sensíveis a erros. Para empresas do setor, o salto em eficiência e a redução de tempo para entrega de materiais podem redefinir processos de análise e tomada de decisão. No entanto, a ausência de benchmarks externos e detalhes técnicos limita a comparação direta com outros players do mercado.