Julius Research 发布 DeepFinance 基准：21 道真实 PE/IB 题，Claude Opus 5.5 以 54.8% 居首

Julius Research 发布 DeepFinance 金融基准，以 21 道基于真实交易数据的顶级 PE/IB 模拟任务测试 AI 智能体。每题平均需人类完成 27.1 小时，含 84 条评分标准和 19 个数据室文件。Claude Opus 5.5 (max) 以 54.8% 居首，Sonnet 5.5 为 54.6%、GPT-6 Astra 为 54.2%，领先模型得分仍仅过半。