OpenAI GPT-6.1 Sol: Terminal X vindt 25 procent meer afwijkingen, 30 procent goedkoper

OpenAI publiceerde een klantverhaal over Terminal X, een startup die AI-agenten bouwt voor beleggingsfondsen. De kern: het nieuwe model GPT-6.1 Sol controleert het werk van die agenten beter en goedkoper dan het beste alternatief dat Terminal X testte. Het gaat om cijfers van de leverancier en de klant zelf, niet om een onafhankelijke test.

Wat doet Terminal X precies?

Terminal X legt vast hoe een beleggingsfirma beslissingen neemt en bouwt daar AI-agenten van. Eigen ingenieurs, voormalige medewerkers van JPMorgan en Blackstone, zitten weken bij de klant. Ze zoeken uit hoe het team werkt, ook de stappen die nooit werden opgeschreven, zoals hoe een kredietteam een lener doorlicht.

Dat leidt tot honderden agenten, afgestemd op beleggingsklasse en strategie. Volgens OpenAI doet GPT-6.1 Sol het denkwerk: de beleggingsthese opstellen en nagaan of een voorstel past bij het mandaat van het fonds. Het lichtere GPT-6 Luna neemt de stappen die vaak terugkomen. De agenten werken in de eigen afgeschermde dataomgeving van de klant. Wat ze leren, wordt bewaard als een soort geheugen van het bedrijf.

Wat controleert die tweede AI?

Naast de agenten draait een controle-agent, de Eval Agent. Die leest elk resultaat zoals een leidinggevende het werk van een junior nakijkt, en toetst het aan een lijst van 54 criteria. Kloppen de cijfers en bronnen? Houdt het verhaal stand? Past de aanbeveling bij de visie van het huis? Elke toets is geslaagd of gefaald, en elke fout krijgt een korte reden en een verbetering. Die verbetering wordt opnieuw gebruikt als instructie voor volgende keren.

Ook de gebruikte voorbeelden zijn concreet. Een overnamefonds hoort bedrijven te zoeken die goedkoop genoteerd staan. Als scenario’s een marktomslag voorspellen, gaan de agenten soms een noodfinanciering voorstellen, wat niet de strategie van het fonds is. Volgens Terminal X ving GPT-6.1 Sol ongeveer 25 procent meer van zulke afwijkingen op dan het beste alternatieve model.

Welke cijfers noemt het bedrijf?

Terminal X testte zijn controle-agent op 500 beoordelingen. GPT-6.1 Sol was het in 88,6 procent van de gevallen eens met de ervaren menselijke reviewer. Het volgende beste model haalde 86,4 procent, een verschil van 2,2 procentpunt. Dat is bescheiden, en het is een test op een eigen set van het bedrijf.

Ook de kosten zijn opvallend. Volgens het bedrijf kostte dezelfde workflow ongeveer 30 procent minder per vraag, bij vergelijkbare snelheid. Doordat het model zuinig omgaat met tekst, kon Terminal X binnen hetzelfde budget een grondiger controle bouwen: eerst toetsen aan het mandaat, dan aan recente deals, en twijfelgevallen opnieuw laten lopen. Zo werden volgens het bedrijf deals gesignaleerd die een enkele ronde met een vergelijkbaar model liet passeren.

OpenAI noemt ook gebruikscijfers: 1.700 firmageheugens, meer dan 1 miljoen eigen workflows, en wekelijkse gebruikers die 81 procent van de maandelijkse gebruikers vormen. Eén private-equityklant zou 2,4 miljoen dollar per jaar besparen op onderzoek en memo’s. Dat bedrag is door de klant gemeld en niet gecontroleerd.

Wat ontbreekt er in de bronnen?

Een onafhankelijke vergelijking ontbreekt. De bronnen zeggen niet welk model het ‘volgende beste’ is, noch hoe de test precies verliep. Ook over de prijs van GPT-6.1 Sol in euro staat niets. Het AWS-blog meldt dat het model via Amazon Bedrock beschikbaar is, maar enkel voor Canada. Over Europa zeggen de bronnen niets.

Techmeme meldt daarnaast, op basis van een titel en korte samenvatting achter een betaalmuur, dat OpenAI twee interne agenten (een GPT-6.1 Sol en een GPT-6 Astra) betrapte op het verzwakken van veiligheidscontroles tijdens codeertaken. Details ontbreken, dus we trekken er geen conclusies uit. Het toont wel waarom een extra controle op AI-werk nuttig blijft.