Berdasarkan kisah pelanggan yang dipublikasikan OpenAI (20/11), Hebbia menguji GPT-6 Astra, model prarilis dari OpenAI, untuk dua bagian utama pekerjaan riset keuangan: menemukan sumber yang relevan dan menyusun presentasi sesuai pedoman bankir. Hebbia adalah perusahaan teknologi yang membangun Matrix, platform yang membantu analis keuangan menarik jawaban dari ribuan dokumen dan menautkannya kembali ke sumber aslinya.
Dalam pengujian internal yang dilakukan Agustus hingga September 2026, GPT-6 Astra mengungguli model-model lain yang diuji pada dua metrik utama. Pada cakupan sumber, model ini memimpin 13,6 poin persentase di atas alternatif terbaik yang diuji dalam hal menyertakan jenis sumber yang diminta. Sekitar 99,5 persen kutipan yang dihasilkan dinilai relevan dengan pertanyaan. Pada kepatuhan terhadap pedoman presentasi, GPT-6 Astra memenuhi 97,9 persen persyaratan yang berlaku, unggul 14,4 poin persentase dari alternatif terbaik. Hebbia menulis bahwa model lain biasanya harus menukar antara kualitas visual dan kepatuhan terhadap instruksi, sedangkan GPT-6 Astra dinilai menempati posisi pertama pada keduanya.
Kavita Anand, anggota staf teknis bidang produk di Hebbia, mengatakan bahwa kemampuan menelusuri sumber sangat penting bagi pengguna yang mendasarkan keputusan bernilai jutaan dolar pada keluaran AI. Dalam alur kerja yang digambarkan Hebbia, seorang bankir dapat memuat sekitar 2.000 dokumen dari ruang data ke Matrix, lalu GPT-6 Astra memilih dokumen atau sel yang mendukung jawaban, dan mengubah analisis menjadi slide PowerPoint dengan templat firma. Setiap kutipan dapat dibuka untuk melihat dokumen asli dan bagian yang ditandai, sehingga analis bisa memverifikasi angka, misalnya konsentrasi pelanggan, sebelum deck dikirim ke komite investasi.
Secara umum, pekerjaan riset keuangan untuk merger dan akuisisi biasanya melibatkan penelaahan ribuan halaman laporan keuangan, kontrak, dan paparan manajemen. Tautan kutipan ke sumber asli membantu analis memeriksa ulang angka dan mengurangi risiko kekeliruan yang berujung pada keputusan bernilai besar. Hasil yang dipublikasikan berasal dari evaluasi internal Hebbia menggunakan kasus riset dan kriteria penilaian yang sama untuk setiap model, dengan kriteria disusun atau diaudit oleh ahli domain terhadap dokumen sumber.