От семейного офиса — к продукту для Уолл-стрит

Сооснователи Model ML — братья Арни и Чаз Энгландер — столкнулись с проблемой финансовой аналитики на собственном опыте: после двух успешных продаж стартапов они начали управлять частным семейным офисом и, как настоящие разработчики, принялись создавать инструменты для себя. Ранее братья основали платформу аренды вещей Fat Llama (приобретена Hygglo в 2022 году) и сервис мгновенной доставки продуктов Fancy (приобретена GoPuff в 2021 году).

То, что начиналось как инструмент для анализа сделок, выросло в полноценное AI-рабочее пространство, созданное специально для финансовых сервисов. Компания Model ML основана в 2023 году в Сан-Франциско и работает как AI-инструмент для исследований и комплексной проверки (due diligence) бизнеса. На сегодняшний день компания привлекла $87,5 млн финансирования от таких инвесторов, как Y Combinator, FT Partners и LocalGlobe.

ℹ Что такое due diligence?
Due diligence (должная осмотрительность) — обязательная проверка финансового состояния, юридической чистоты и операционных рисков актива перед инвестицией или сделкой. Это один из самых трудоёмких процессов в финансовой индустрии.

Проблема «последней мили» в финансовой аналитике

Финансовый анализ — это не только расчёты. Это ещё и оформление, проверка каждой цифры и привязка каждого утверждения к источнику.

Прежде чем финансовый анализ окажется перед клиентами или топ-менеджерами, командам приходится пройти через требовательную «последнюю милю»: согласовать данные, собрать и отформатировать файл, проверить каждую цифру и привязать каждое утверждение к источнику. Готовая презентация PowerPoint или таблица Excel должна быть редактируемой и готовой к проверке.

Именно здесь и вступает в игру Model ML. Агенты платформы помогают финансовым специалистам пройти весь путь от первоначального запроса через исследование, анализ — вплоть до готовой презентации или таблицы.

Как устроена платформа Model ML

Model ML создаёт AI-инфраструктуру, трансформирующую работу ведущих финансовых компаний. Платформа включает специализированных агентов и приложение, автоматизирующее сквозные рабочие процессы, а также кастомные исследования и аналитику.

В центре системы — основной агент, который планирует работу, выбирает нужные инструменты, согласовывает данные и проводит вычисления, направляя каждый шаг модели, наилучшим образом подходящей для этой задачи — чаще всего это GPT-5.6 Sol. Среди используемых инструментов — собственный модуль работы с документами Model ML, который создаёт нативные файлы PowerPoint и Excel с отслеживаемыми источниками.


graph TD
    A[Запрос аналитика] --> B[Основной агент планирует задачу]
    B --> C[GPT-5.6 Sol: исследование и анализ]
    C --> D[Инструменты Model ML]
    D --> E1[PowerPoint с источниками]
    D --> E2[Excel с формулами]
    E1 --> F[Финансовый специалист проверяет и редактирует]
    E2 --> F
    F --> G[Итоговый материал для клиента]

Платформа ориентирована на инвестиционные банки, частные инвестиционные компании (private equity) и семейные офисы, улучшая их рабочие процессы.

GPT-5.6 Sol: флагманская модель нового поколения

GPT-5.6 — большая языковая модель (LLM), разработанная OpenAI и выпущенная 9 июля 2026 года. Семейство включает три варианта, упорядоченных по мощности: Luna, Terra и Sol. Модели созданы для расширения возможностей пользователей в корпоративной работе, программировании, научных исследованиях и кибербезопасности.

Флагманская модель Sol описывается OpenAI как «рабочая лошадка» и «лучшая модель для кодирования», подходящая для сложного рассуждения, программирования и агентных рабочих процессов.

Технические характеристики GPT-5.6 Sol

ПараметрGPT-5.6 SolGPT-5.6 TerraGPT-5.6 Luna
Контекстное окно1 050 000 токенов
Макс. вывод128 000 токенов
Цена (вход)$5 / млн токенов$2,50 / млн$1 / млн
Цена (выход)$30 / млн токенов$15 / млн$6 / млн
ПозиционированиеФлагманБаланс цена/качествоБыстрый и дешёвый

GPT-5.6 Sol устанавливает новый стандарт как по интеллекту, так и по эффективности, достигая передовых результатов в программировании, интеллектуальной работе, кибербезопасности и науке, превосходя предыдущие и конкурирующие frontier-модели при использовании меньшего числа токенов и с более низкой расчётной стоимостью.

💡 Совет по выбору модели
Отправка каждого запроса в Sol повышает планку качества, но может быть избыточной и дорогостоящей там, где с задачей справится менее мощная модель. Используйте Sol для сложных аналитических и агентных задач, а Terra или Luna — для рутинных операций.

Реальная эффективность: цифры Model ML

Model ML провела собственное независимое тестирование в рамках внутреннего бенчмарка Composite — специализированной оценки ИИ-систем в финансовых сервисах. Результаты говорят сами за себя:

Model ML использует GPT-5.6 Sol в рабочих процессах, создающих редактируемые файлы PowerPoint и Excel, тратя на 21% меньше токенов на одну презентацию, чем Fable 5.

В бенчмарке Composite компании Model ML, оценивающем применение ИИ в финансовых сервисах, GPT-5.6 Sol использовал на 36% меньше токенов на одну рабочую книгу, чем Opus 5, в Excel-процессе.

Это критически важно не только для скорости работы, но и для контроля затрат при масштабировании агентных процессов в крупных финансовых организациях.

Сравнение эффективности токенов

ЗадачаGPT-5.6 SolКонкурентЭкономия токенов
Создание PowerPoint-презентации✅ БазовыйFable 5−21%
Работа с Excel-таблицами✅ БазовыйOpus 5−36%

Что изменилось с GPT-5.6 Sol

По словам команды Model ML, более ранние модели могли выполнять работу аналитика, но пользователю приходилось чётко разбивать задачу на шаги и конкретно описывать желаемый результат. С GPT-5.6 Sol агент значительно ближе подходит к финальному результату самостоятельно.

Это принципиальный сдвиг в парадигме работы с ИИ-агентами: специалист больше не выступает в роли «промпт-инженера», прописывающего каждый шаг. Его роль смещается к контролю и экспертной проверке.

📝 Пример из практики

Было: Аналитик инвестиционного банка тратит 2–3 дня на сбор данных, формирование финансовой модели в Excel и подготовку питч-дека в PowerPoint для презентации клиенту.

Стало: Агент Model ML на базе GPT-5.6 Sol самостоятельно проводит исследование, строит модель, формирует презентацию с привязкой к источникам. Аналитик проверяет допущения и вносит правки — процесс занимает часы вместо дней.

Трассируемость как ключевое требование финансовой отрасли

Один из главных барьеров для внедрения ИИ в финансах — регуляторные требования и требования к аудиту. Каждое утверждение в отчёте должно быть подкреплено источником.

Собственный модуль работы с документами Model ML создаёт нативные файлы PowerPoint и Excel с отслеживаемыми (traceable) источниками — то есть к каждому числу и тезису в готовом файле прикреплена ссылка на первоисточник. Это делает материалы пригодными для аудита и защиты перед клиентами и регуляторами.

⚠ Важно для финансовых организаций
При внедрении ИИ-инструментов в регулируемые процессы убедитесь, что платформа поддерживает полную трассируемость источников и соответствует требованиям вашего комплаенс-отдела. Автоматически сгенерированные материалы должны проходить проверку квалифицированным специалистом перед использованием в клиентских коммуникациях.

Перспективы: ИИ меняет роль финансового аналитика

По словам CEO Чаза Энгландера, их цель — создать реальный эффект и трансформировать финансовые сервисы с помощью ИИ. Ключевой вопрос, с которым они столкнулись в начале пути, — как продавать в финансовую отрасль, известную своим консерватизмом. Однако оказалось, что ИИ стал приоритетом номер один на уровне совета директоров в каждой крупной компании.

Братья Энгландеры создали Model ML после того, как на собственном опыте убедились, сколько времени финансовые специалисты теряют на ручные задачи и разрозненные процессы работы с документами.

Рост интереса к подобным инструментам неслучаен. Финансовая аналитика — одна из немногих областей, где ИИ может одновременно повысить скорость, снизить риск ошибок и обеспечить полную прозрачность процесса. Модель GPT-5.6 Sol, судя по результатам бенчмарков Model ML, справляется с этой задачей лучше конкурентов при меньших затратах на токены.

Для российских финансовых компаний, инвестиционных домов и private equity-фондов подобные инструменты открывают возможность существенно ускорить подготовку инвестиционных меморандумов, аналитических отчётов и клиентских презентаций — не жертвуя качеством и требованиями к трассируемости данных.