Benchmark de 40+ LLMs em Finanças: Claude Fable 5 & GPT-5
Avaliámos mais de 40 LLMs em finanças em 238 perguntas difíceis do benchmark FinanceReasoning para identificar quais os modelos que se destacam em tarefas complexas de raciocínio financeiro, como análise de demonstrações financeiras, previsões e cálculos de rácios.
Visão geral do benchmark financeiro de LLM
Avaliámos LLMs em 238 perguntas difíceis do benchmark FinanceReasoning (Tang et al.).1 Este subconjunto visa as tarefas de raciocínio financeiro mais desafiantes, avaliando o raciocínio quantitativo complexo e de múltiplos passos, envolvendo conceitos e fórmulas financeiras. A nossa avaliação utilizou um design de prompt personalizado e critérios de pontuação de precisão e consumo de tokens.
Para uma explicação detalhada de como estas métricas foram calculadas e o framework utilizado para esta avaliação, consulte a nossa metodologia do benchmark financeiro.
Resultados: Qual é o melhor LLM para finanças?
Desempenho de topo (>83% de precisão):
claude-fable-5 obtém a maior precisão no benchmark, com 90,34% e 183.258 tokens. É o primeiro modelo a ultrapassar os 90% neste benchmark, à frente do claude-opus-4.8 (89,08%).
claude-opus-4.8 obtém 89,08% de precisão com 113.434 tokens, o segundo melhor resultado e a contagem de tokens de saída mais baixa entre os modelos acima de 88%.
gpt-5-2025-08-07 obtém 88,23% de precisão com 829.720 tokens, o terceiro melhor resultado no benchmark.
claude-opus-4.6 obtém 87,82% de precisão com 164.369 tokens, um desempenho próximo do topo com uma fração da contagem de tokens do gpt-5.
gpt-5-mini-2025-08-07 atinge 87,39% de precisão com 595.505 tokens, oferecendo uma forte alternativa dentro da família GPT-5.
gemini-3.5-flash atinge 86,97% de precisão com 1.191.757 tokens, a maior precisão na linha Flash da Google, mas também o maior consumidor de tokens da família.
claude-sonnet-5 obtém 86,97% de precisão com 414.668 tokens. Iguala o gemini-3.5-flash até à casa decimal (86,97%) gastando 414.668 tokens contra os 1.191.757 do gemini-3.5-flash, e custa $4,325 por execução contra $10,83, pelo que ambos atingem a mesma precisão com 35% dos tokens e 40% do custo.
gemini-3.1-pro-preview obtém 86,55% de precisão com 475.148 tokens, superando o seu antecessor gemini-3-pro-preview (86,13%) consumindo 35% menos tokens (730.759 tokens).
glm-5.2 obtém 86,13% de precisão com 735.988 tokens. Melhora em relação ao glm-4.5 (64,29%) em 21,84 pontos, o maior salto entre duas versões da mesma família de modelos no benchmark; o segundo maior é de 3,79 pontos. A contagem de 735.988 tokens é a terceira mais alta no escalão de topo, atrás do gemini-3.5-flash e do gpt-5-2025-08-07.
gemini-3-pro-preview e gpt-5.2 estão empatados com 86,13% de precisão. O gpt-5.2 atinge a mesma precisão com 247.660 tokens, cerca de três vezes mais eficiente em tokens de saída do que o gemini-3-pro-preview com 730.759 tokens.
claude-opus-4.7 obtém 85,29% de precisão com 103.268 tokens, o modelo mais eficiente em tokens no escalão de topo (37% menos tokens de saída do que o claude-opus-4.6, ultrapassando o limiar de 83%).
Bom desempenho (80-83% de precisão):
grok-4.3 atinge 84,87% de precisão com 309.781 tokens, o melhor resultado da xAI no benchmark e uma recuperação face ao anterior grok-4-0709
claude-opus-4.5 oferece 84,03% de precisão com 144.505 tokens, mantendo o forte equilíbrio de desempenho e eficiência do Claude.
claude-sonnet-4.6 e gemini-3-flash-preview estão empatados com 83,61% de precisão. O Claude Sonnet 4.6 usa 161.035 tokens, enquanto o Gemini 3 Flash Preview atinge este valor com 118.530 tokens, tornando-o a opção mais eficiente em tokens entre todos os modelos de alto desempenho.
kimi-k2.5 atinge 82,77% de precisão, mas requer 877.868 tokens, o consumo mais elevado entre os modelos deste escalão de desempenho.
Escalão intermédio (70-80% de precisão):
o3-pro-2025-06-10 (78,15% de precisão, 473.659 tokens) e kimi-k2 (78,15% de precisão, 100.323 tokens) estão empatados. O Kimi-k2 é o modelo mais eficiente neste grupo.
o3-mini-2025-01-31 (77,31% de precisão, 376.929 tokens), gpt-5-nano-2025-08-07 (76,89% de precisão, 1.028.909 tokens) e claude-sonnet-4-20250514 (76,05% de precisão, 135.462 tokens) seguem de perto.
Desempenho baixo (<70% de precisão):
claude-3-5-sonnet-20241022 (67,65% de precisão, 90.103 tokens) e gpt-oss-20b (67,65% de precisão, 515.041 tokens) lideram este escalão.
gemini-2.5-flash (65,55% de precisão, 286.603 tokens), glm-4.5 (64,29% de precisão, 692.662 tokens) e gpt-4.1-nano-2025-04-14 (63,45% de precisão, 171.096 tokens) seguem-se.
Perceções de desempenho:
O benchmark não mostra uma correlação clara entre o consumo de tokens e a precisão. O deepseek-r1-0528 consumiu mais tokens (1.251.064), mas atingiu 62,18% de precisão, enquanto o claude-opus-4-20250514 obteve 80,25% com 132.274 tokens.
A eficiência dos tokens varia mesmo entre modelos de alto desempenho. O gemini-3-flash-preview usa 118.530 tokens para atingir 83,61% de precisão, enquanto o kimi-k2.5 consome 877.868 tokens para 82,77% (7,4x mais tokens para menos 0,84 pontos percentuais de precisão).
A tabela acima apresenta outros benchmarks de modelos de IA, incluindo os utilizados para este benchmark.
Custo por execução do benchmark
Os tokens de saída por si só não determinam o gasto, uma vez que as taxas de tokens de entrada e de saída diferem numa ordem de grandeza na maioria dos fornecedores. Calculámos o custo em dólares da execução de cada modelo nas 238 perguntas usando a taxa por token listada pelo fornecedor no momento da execução.
Melhor custo-precisão no escalão de fronteira. O grok-4.3 atinge 84,87% de precisão por $0,86 de gasto total, o custo em dólares mais baixo na faixa de precisão >83%. O modelo de fronteira mais próximo em custo é o gemini-3-flash-preview a $0,39 para 83,61%.
O novo líder de precisão paga um prémio. O claude-fable-5 atinge a maior precisão do benchmark, 90,34%, a $10,05 por execução, cerca de três vezes o custo do claude-opus-4.8 ($3,28 para 89,08%). O claude-opus-4.8 continua a ser o modelo mais barato no benchmark a superar os 88% de precisão.
Raciocínio premium a preço premium. O o1-pro é o modelo de custo mais elevado no benchmark, a $381 para 80,67% de precisão (impulsionado por taxas de $150/M de entrada e $600/M de saída). O o3-pro custa $39,23 para 78,15%, o o1 custa $46,59 para 74,79%. Nenhum destes alcança o escalão de topo; todos ficam abaixo do claude-opus-4.7 em precisão e 10x+ acima em custo.
O escalão económico ainda é competitivo em termos de precisão. O gpt-oss-120b atinge 81,09% de precisão a $0,06 no total, a execução mais barata do benchmark, e a uma curta distância do limiar de 83%. O llama-4-maverick atinge 75,21% a $0,10. Para cargas de trabalho onde 80% de precisão é suficiente, estes modelos custam menos de 1% dos principais modelos de fronteira.
Metodologia do benchmark de raciocínio financeiro
O nosso benchmark fornece uma avaliação justa, transparente e reproduzível do desempenho de Modelos de Linguagem de Grande Escala (LLM) em tarefas complexas de raciocínio financeiro.
Configuração do teste e corpus de dados
- Suite de benchmark: Utilizámos os dados, código e scripts de avaliação do benchmark FinanceReasoning. Selecionámo-lo pelo seu foco especializado em problemas financeiros quantitativos e inferenciais.
- Corpus de conhecimento e consultas de teste: Concentrámos a nossa análise no subconjunto difícil, composto por 238 perguntas desafiantes. Conforme definido pelo benchmark, cada ponto de dados inclui:
- Uma pergunta que requer dedução lógica e numérica em múltiplos passos.
- Um contexto, que frequentemente contém informação densa apresentada em formatos estruturados como tabelas Markdown (por exemplo, balanços, dados de desempenho de ações).
- Uma resposta de verdade absoluta definitiva para pontuação objetiva.
- Tipos de consultas ilustrativas: A dificuldade do benchmark decorre da sua exigência de que os modelos lidem com tarefas de raciocínio financeiro diversas e complexas. Para ilustrar esta amplitude, destacamos dois exemplos representativos do conjunto de teste:
Exemplo: Raciocínio algorítmico e de séries temporais (análise técnica)
Contexto: Um investidor está a analisar… preços de ações nos últimos 25 dias… para calcular o Canal de Keltner usando um período EMA de 10 dias e um período ATR de 10 dias, com um multiplicador de 1,5…
Pergunta: Qual é o valor da última banda superior no Canal de Keltner…? Responda com duas casas decimais.
Esta consulta testa a capacidade de um modelo atuar como analista quantitativo ao:
- Desconstruir um indicador composto: Reconhecendo que o "Canal de Keltner" é derivado de dois outros indicadores complexos:
- a média móvel exponencial (EMA)
- A amplitude verdadeira média (ATR).
- Implementar lógica algorítmica: Implementando corretamente os algoritmos iterativos para EMA e ATR de raiz ao longo de uma série temporal de 25 pontos de dados.
- Sintetizar resultados: Combinando os valores calculados de acordo com a fórmula final do Canal de Keltner (Banda Superior = EMA + (Multiplicador × ATR)).
Princípios fundamentais de avaliação
- Chamadas de API isoladas e padronizadas: Para cada modelo, realizámos a avaliação programaticamente através dos respetivos endpoints de API (por exemplo, OpenRouter, OpenAI). Isto garantiu que cada modelo recebia exatamente a mesma entrada em condições idênticas, eliminando a variabilidade das interações de IU.
- Geração de forma livre: Não restringimos os modelos a um formato de escolha múltipla. Em vez disso, foram instruídos a gerar uma resposta abrangente e de forma livre, permitindo uma avaliação mais autêntica das suas capacidades de raciocínio.
- Prompting de Cadeia de Pensamento (CoT): Para elicitar e avaliar o processo de raciocínio dos modelos, empregámos uma estratégia de prompting de Cadeia de Pensamento (CoT). O prompt do sistema instruiu explicitamente cada modelo a "primeiro pensar no problema passo a passo" antes de concluir com uma resposta final. Esta abordagem permite uma análise mais profunda de como um modelo chega à sua conclusão, para além do resultado final.
Métricas e framework de avaliação
Utilizámos o framework de avaliação totalmente automatizado do próprio benchmark FinanceReasoning para pontuar os resultados dos modelos. Este framework foi concebido para medir tanto a correção conceptual como o custo computacional.
1. Métrica primária: Precisão
Esta métrica responde à pergunta crítica: "O modelo consegue resolver corretamente o problema financeiro?" O processo de pontuação envolve um pipeline sofisticado de dois passos:
- Passo 1: Extração de resposta baseada em LLM: O resultado bruto de um modelo é texto não estruturado contendo tanto raciocínio como uma resposta final. Para analisar de forma fiável o valor numérico ou booleano, usámos um modelo supervisor (anthropic/claude-sonnet-4.5) como analisador.
- Passo 2: Comparação baseada em tolerância: Uma simples "correspondência exata" é insuficiente para problemas numéricos. Portanto, a resposta extraída foi comparada programaticamente com a verdade absoluta. O script aplica um limiar de tolerância numérica (uma diferença relativa de 0,2%) para lidar de forma justa com pequenas variações de ponto flutuante ou arredondamento, garantindo que soluções conceptualmente corretas são marcadas como certas.
2. Métrica secundária: Consumo de tokens
Esta métrica responde à pergunta: "Quão computacionalmente caro é para o modelo resolver estes problemas?" Mede o custo total associado à geração das 238 respostas.
- Cálculo de tokens: Para cada chamada de API, recolhemos prompt_tokens e completion_tokens do objeto de utilização do fornecedor. A pontuação de tokens por modelo é a soma dos completion_tokens em todas as 238 perguntas. Relatamos tokens de conclusão (não tokens totais) porque a entrada é quase constante entre modelos que partilham o mesmo conjunto de dados (66k-92k tokens de entrada por execução, dependendo do tokenizador).
- Cálculo de custo: Calculámos o custo em dólares como prompt_tokens × prompt_price_per_M + completion_tokens × completion_price_per_M, somado em todas as 238 perguntas. Os preços são as taxas por token listadas no endpoint /api/v1/models do OpenRouter no momento em que o modelo foi executado.
Esta abordagem de duas métricas, fornecida pelo próprio benchmark FinanceReasoning, permite uma avaliação holística, equilibrando a capacidade bruta de resolução de problemas de um modelo (precisão) com a sua eficiência operacional (consumo de tokens).
Raciocínio financeiro com Geração Aumentada por Recuperação (RAG)
Para superar os modelos autónomos, concebemos e implementámos um framework de RAG personalizado, distinto da implementação original do benchmark. A nossa abordagem baseia-se numa stack moderna de base de dados vetorial (Qdrant) para fornecer aos LLMs conhecimento relevante e específico do domínio no momento da inferência, ajudando-os a resolver problemas para além dos seus dados de treino. Testámos isto no gpt-4o-mini para medir o seu impacto.
Resultados e análise: O compromisso do RAG
A introdução do RAG teve um impacto significativo e mensurável no desempenho do gpt-4o-mini.
Principais conclusões da avaliação do RAG:
- Melhoria significativa de precisão: O RAG melhorou comprovadamente a capacidade de resolução de problemas do modelo, aumentando a precisão em mais de 10 pontos percentuais. Isto confirma que fornecer contexto externo relevante é altamente eficaz para tarefas de raciocínio complexas e específicas do domínio.
- O custo da precisão: Este ganho de desempenho teve um custo elevado. O consumo total de tokens aumentou quase 18 vezes, e o tempo total de execução aumentou 20 vezes. Isto deve-se às chamadas de API adicionais para embedding e, mais importante, aos prompts muito maiores e mais complexos que o LLM tem de processar.
- Implicações para modelos maiores: Os resultados do gpt-4o-mini sugerem que, embora o RAG possa desbloquear um desempenho superior, a aplicação deste método a modelos maiores e mais caros, como o GPT-4o ou o Claude Opus, será substancialmente mais dispendiosa e demorada. Isto realça o compromisso crítico entre precisão, custo e latência na conceção de sistemas de IA financeira de grau de produção.
Metodologia de RAG para raciocínio financeiro
O nosso pipeline de RAG é construído numa stack moderna usando o Qdrant como base de dados vetorial e o modelo text-embedding-3-small da OpenAI para gerar representações vetoriais semânticas. O processo consiste em duas fases principais: uma fase de indexação offline e uma fase de recuperação-geração online.
1. Indexação do corpus de conhecimento
- Criação do corpus: Criámos uma base de conhecimento especializada a partir de duas fontes fornecidas pelo benchmark:
- Documentos financeiros: Uma coleção de artigos (financial_documents.json) explicando vários conceitos e termos financeiros.
- Funções financeiras: Uma biblioteca de funções Python prontas a usar (functions-article-all.json) concebidas para resolver cálculos financeiros específicos.
- Fragmentação inteligente e embedding: Para preparar este corpus para uma recuperação eficiente, cada documento e função foram processados e indexados:
- Fragmentação: Os documentos foram segmentados em fragmentos menores e semanticamente coerentes com base nas suas secções. Cada função Python foi tratada como um único fragmento atómico. Isto garante que o contexto recuperado é focado e relevante.
- Embedding: Cada fragmento foi então convertido num vetor de 1536 dimensões usando o modelo text-embedding-3-small.
- Indexação: Estes vetores foram indexados em duas coleções separadas na nossa instância local do Qdrant (financial_documents_openai_small e financial_functions_openai_small), otimizadas para pesquisa de similaridade de cosseno.
2. Inferência com RAG
Para cada uma das 238 perguntas, o processo de raciocínio do modelo foi aumentado com os seguintes passos automatizados:
- Geração de embedding (chamadas de API 1 e 2): A consulta do utilizador (pergunta + contexto) foi convertida num vetor de embedding. Isto exigiu duas chamadas à API de embedding da OpenAI para preparar as pesquisas em ambas as coleções.
- Recuperação de múltiplas fontes: O vetor de consulta foi usado para realizar uma pesquisa semântica em ambas as coleções do Qdrant simultaneamente para recuperar a informação mais relevante:
- Os 3 fragmentos de documentos mais relevantes da coleção financial_documents.
- As 2 funções Python mais relevantes da coleção financial_functions.
- Aumento do prompt: Os documentos e funções recuperados foram injetados dinamicamente no prompt, criando um "pacote de informações" rico e sensível ao contexto. Isto aumentou significativamente o tamanho do prompt de entrada (de ~300-500 tokens para ~3.000-5.000+ tokens).
- Geração da resposta final (chamada de API 3): Este prompt aumentado foi enviado ao modelo gpt-4o-mini para gerar a resposta final e fundamentada.
Adicionar como fonte preferencialLimitações do benchmark de LLMs em finanças
O nosso benchmark, embora abrangente, está sujeito a várias limitações importantes:
- Risco de contaminação de dados: É possível que estes modelos tenham sido treinados no conjunto de dados do benchmark, uma vez que o conjunto de dados é público. Isto pode levar a pontuações inflacionadas, dificultando a avaliação da verdadeira capacidade de raciocínio.
- Análise de RAG com um único modelo: A avaliação do RAG foi realizada num único modelo (gpt-4o-mini), pelo que os compromissos observados entre desempenho e custo podem não se aplicar a todos os outros modelos.
Conclusão
O nosso benchmark de mais de 40 modelos em tarefas complexas de raciocínio financeiro revela as principais conclusões:
- Maior precisão no benchmark: claude-fable-5 com 90,34% e 183.258 tokens, o primeiro modelo a ultrapassar os 90% neste benchmark. Custa $10,05 por execução, cerca de três vezes o claude-opus-4.8.
- Melhor relação qualidade/preço no topo: claude-opus-4.8 com 89,08% e 113.434 tokens. Ultrapassa o gpt-5-2025-08-07 (88,23%) com cerca de 7x menos tokens de saída e menos de metade do custo ($3,28 vs. $8,38). É o modelo mais barato no benchmark acima de 88% de precisão.
- Existem várias alternativas fortes: claude-opus-4.6 (87,82%) e gpt-5-mini-2025-08-07 (87,39%) oferecem desempenho quase de topo, com o Claude Opus 4.6 a conseguir isto com um consumo de tokens significativamente menor (164.369 tokens).
- As melhorias geracionais são importantes: O gemini-3.1-pro-preview (86,55%) supera o gemini-3-pro-preview (86,13%) usando 35% menos tokens, mostrando que as atualizações iterativas do modelo podem melhorar simultaneamente a precisão e a eficiência.
- Eficiência e precisão: O gemini-3-flash-preview atinge 83,61% de precisão com 118.530 tokens, provando que alto desempenho e baixo custo podem coexistir. Da mesma forma, o gpt-5.2 demonstra forte eficiência com 247.660 tokens enquanto atinge 86,13% de precisão.
- Impacto do RAG: A Geração Aumentada por Recuperação (RAG) aumenta significativamente a precisão de um modelo (+10 pontos percentuais para o gpt-4o-mini), mas com um custo substancial em termos de consumo de tokens (aumento de 18x) e latência (20x mais lento).
Registo de alterações
Adicionamos modelos a este benchmark a cada novo lançamento.
30 de junho de 2026
- Anthropic: Claude Sonnet 5 (anthropic/claude-sonnet-5)
22 de junho de 2026
- Zhipu IA: GLM-5.2 (z-ai/glm-5.2)
10 de junho de 2026
- Anthropic: Claude Fable 5 (anthropic/claude-fable-5)
2 de junho de 2026
- Anthropic: Claude Opus 4.8 (anthropic/claude-opus-4.8)
22 de maio de 2026
- Google: Gemini 3.5 Flash (google/gemini-3.5-flash)
- xAI: Grok 4.3 (x-ai/grok-4.3)
- Adicionada coluna de custo por execução do benchmark e a alternância do gráfico precisão vs. custo. Metodologia atualizada com a fórmula de cálculo de custo e a mudança do extrator de respostas (claude-sonnet-4.5)
20 de abril de 2026
- Anthropic: Claude Opus 4.7 (anthropic/claude-opus-4.7)
20 de fevereiro de 2026
- Google: Gemini 3.1 Pro Preview (google/gemini-3.1-pro-preview)
- Anthropic: Claude Sonnet 4.6 (anthropic/claude-sonnet-4.6)
6 de fevereiro de 2026
- Anthropic: Claude Opus 4.6 (anthropic/claude-opus-4.6)
- Anthropic: Claude Opus 4.5 (anthropic/claude-opus-4.5)
- Anthropic: Claude Sonnet 4.5 (anthropic/claude-sonnet-4.5)
- Google: Gemini 3 Pro Preview (google/gemini-3-pro-preview)
- Google: Gemini 3 Flash Preview (google/gemini-3-flash-preview)
- OpenAI: GPT-5.2 (openai/gpt-5.2)
- Moonshot IA: Kimi K2.5 (moonshotai/kimi-k2.5)
Leitura adicional
A análise financeira pode referir-se a várias capacidades, como análise de ações, interpretação de direito financeiro e raciocínio financeiro. No nosso benchmark, focámo-nos especificamente no raciocínio financeiro, enquanto outras tarefas são abordadas em artigos separados:
- LLM para análise de ações: Estes modelos ajudam a processar dados de mercado, relatórios de empresas e notícias para identificar oportunidades de investimento. (Ver análise completa aqui: IA-based Stock Trading)
- IA para direito financeiro: Alguns LLMs podem interpretar regulamentos financeiros, contratos e requisitos de conformidade para auxiliar tarefas jurídico-financeiras. (Ver a nossa lista de ferramentas de IA jurídica aqui: Legal IA Tools)
Perguntas frequentes
Um LLM (modelo de linguagem de grande escala) em finanças é um modelo de IA que utiliza técnicas de processamento de linguagem natural para realizar análises financeiras complexas, gestão de conformidade e compreensão de documentos. Estes modelos ajudam as instituições financeiras a navegar pelo direito financeiro, requisitos regulamentares e as exigências dinâmicas da indústria financeira.
Chatbots inteligentes:
Os assistentes virtuais baseados em LLM permitem que as empresas financeiras forneçam suporte ao cliente automatizado, 24/7, lidando com consultas de rotina e tarefas de integração sem intervenção humana. Isto reduz os tempos de espera e melhora a satisfação do cliente, libertando os agentes humanos para questões complexas.
Aconselhamento e análise:
Os bancos de investimento usam LLMs para analisar tendências de mercado, notícias financeiras e dados de clientes. Estes modelos digerem grandes volumes de informação não estruturada, permitindo que os consultores forneçam aconselhamento de investimento personalizado e gestão de carteiras com insights em tempo real.
Análise de documentos regulamentares:
Sociedades de advogados e instituições financeiras empregam LLMs para processar documentos regulamentares densos, como os arquivados na SEC. Estes modelos extraem informações-chave e resumem relatórios, reduzindo o tempo de revisão manual e ajudando as empresas a manter a conformidade com regulamentos em evolução.
Deteção de fraudes:
Os LLMs analisam vastos conjuntos de dados financeiros em tempo real para detetar padrões de transações suspeitas e táticas de fraude emergentes. As suas capacidades de aprendizagem contínua permitem uma identificação de fraudes mais rápida e precisa do que os métodos tradicionais.
Automação jurídica e de conformidade:
Sociedades de advogados e equipas de conformidade usam LLMs para rever contratos, interpretar leis bancárias e verificar a conformidade regulamentar. A automatização destas tarefas reduz o tempo de revisão e os custos jurídicos, garantindo ao mesmo tempo a adesão a regulamentos financeiros complexos.
Perguntas e Respostas sobre documentos e Reconhecimento de Entidades Mencionadas (NER):
As instituições financeiras implementam LLMs para responder a perguntas de investidores, extraindo dados de relatórios financeiros e teleconferências de resultados. O NER permite a etiquetagem automática de nomes de empresas, símbolos de ações (símbolos de negociação de classe) e entidades reguladoras, agilizando a recuperação de dados.
Eficiência e automação: Os LLMs automatizam análises de rotina (por exemplo, resumir relatórios de resultados, processar empréstimos ou arquivamentos), poupando horas de analista e reduzindo erros.
Serviço ao cliente 24/7: Assistentes virtuais e chatbots de IA alimentados por LLMs podem lidar com consultas de clientes 24 horas por dia com respostas conversacionais, melhorando a experiência e a satisfação do cliente.
Aconselhamento financeiro personalizado: Ao analisar o histórico e o perfil de risco de um cliente, os LLMs fornecem aconselhamento financeiro ou de investimento personalizado.
Deteção de fraudes e gestão de riscos: Os LLMs vasculham grandes conjuntos de dados de transações para identificar anomalias ou padrões de fraude, adaptando-se a novas táticas de burla e ajudando a construir perfis de risco.
Conformidade e relatórios: Os LLMs elaboram automaticamente relatórios regulamentares, extraem factos relevantes para políticas e ajudam a analisar leis e regulamentos financeiros complexos para conformidade.
Sim, existem vários modelos maiores específicos de domínio para finanças. Por exemplo, o BloombergGPT foi concebido para auxiliar na regulação financeira, mercados de capitais e gestão de conformidade, processando grandes conjuntos de dados financeiros, incluindo documentos da bolsa de valores nacional e arquivamentos regulamentares.
Outros modelos como o FinBERT e o FinGPT focam-se no direito financeiro, direito bancário internacional e aconselhamento financeiro personalizado, adaptando grandes modelos de linguagem ao vocabulário especializado das finanças, como símbolos de negociação de classe e textos regulamentares.
Raciocínio financeiro é a capacidade de analisar dados financeiros para tomar decisões de negócio ou investimento informadas.
As principais tarefas incluem:
– Analisar demonstrações financeiras (lucro, fluxo de caixa, balanço)
– Orçamentação e previsão
– Avaliar investimentos (VAL, TIR, ROI)
– Gerir fluxo de caixa e liquidez
– Avaliar riscos financeiros e rácios de desempenho
Cite este benchmark
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{sar2026,
author = {Sarı, Ekrem},
title = {{Benchmark de 40+ LLMs em Finanças: Claude Fable 5 & GPT-5}},
year = {2026},
month = jun,
howpublished = {\url{https://aimultiple.com/finance-llm}},
note = {AIMultiple. Acessado em 30 Junho 2026}
}Resultados e carimbos de data/hora de 46 pontos de dados. Baixe os dados utilizados neste artigo como um arquivo ZIP contendo um arquivo CSV e um README.
Links de referência
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.