Der Vorsprung einer Investmentfirma entsteht Deal für Deal, doch das Urteilsvermögen hinter jeder Entscheidung existiert meist nur im Kopf einiger weniger erfahrener Investoren. Wenn diese gehen, nimmt die Firma das auf, was Terminal X(öffnet in einem neuen Fenster) als Memory Debt bezeichnet: Die Firma behält zwar die Dokumente, verliert aber die Begründungen.
Terminal Xs Capital Memory operating system ist darauf ausgelegt, diese Schuld abzubauen. Die forward-deployed engineers des Unternehmens, ehemalige Finanz- und Investmentprofis von JPMorgan und Blackstone, arbeiten mit den Investmentteams jedes Kunden zusammen, entwerfen die agentische Architektur der Firma und kodieren die Anlageherangehensweise der Firma in Agenten, die der Firma gehören und on-premise oder in ihrer eigenen Cloud eingesetzt werden.
OpenAI-Modelle, darunter GPT‑6.1 Sol und GPT‑6 Luna, übernehmen das Reasoning innerhalb dieser Agenten. Und Terminal Xs Eval Agent bewertet die Ergebnisse der Agenten anhand der Standards der Firma. GPT‑6.1 Sol half dem Eval Agent, etwa 25 % mehr Empfehlungen zu erkennen, die vom Mandat eines Fonds abwichen, und führte dieselben Workflows zu etwa 30 % niedrigeren Kosten pro Abfrage aus als das zweitbeste Modell.
„GPT-6.1 Sols Long-Context-Reasoning und Token-Effizienz ermöglichen es uns, tiefere Evaluierungspipelines zu bauen. Dies hilft unseren Eval Agents, Anlageurteile messbar und auditierbar zu machen.“—Hyun Hong, Co-Founder und CEO, Terminal X
Das Reasoning der besten Investoren jeder Firma kodifizieren
Für jeden Kunden baut Terminal X Agenten, die so investieren sollen wie die besten Investoren der Firma. Terminal X-Ingenieure verbringen Wochen vor Ort beim Kunden, rekonstruieren die vertrauenswürdigen Memos der Firma und erfassen Prozesse, die nie schriftlich festgehalten wurden, etwa wie das Credit Desk einen Kreditnehmer prüft oder welche Quellen das Co-Investment-Team vor einem Memo heranzieht.
Anschließend werden diese Prozesse in Hunderten von Agenten kodifiziert, angepasst nach Asset-Klasse und Strategie, mit Sub-Agenten für jede Investmentphase. GPT‑6.1 Sol übernimmt die Phasen, die Urteilsvermögen und ein riesiges Kontextfenster erfordern: die Synthese der Investmentthese, die Identifizierung zentraler Gesichtspunkte und die Beurteilung der Passung zum Mandat der Firma. GPT‑6 Luna übernimmt die Schritte mit hohem Volumen, bei denen Token-Effizienz wichtiger ist als Tiefe.
Die Agenten arbeiten innerhalb des privaten Datenraums jeder Firma, einer dedizierten Umgebung für Unternehmen, um sensible Anlagedaten zu teilen und zu verwalten. Die Agenten verarbeiten Dokumente auf Englisch, Koreanisch, Japanisch und Chinesisch und speichern ihr Erlerntes als firm Memory: eine versionierte Aufzeichnung, wie ein bestimmtes Desk eine bestimmte Art von Entscheidung trifft, einschließlich vergangener Analysen, Komiteeentscheidungen, Workflow-Anweisungen und Hausansichten.
Ingenieure verwandeln jedes Memory in einen wiederholbaren Workflow auf Terminal Xs Plattform, wo jede Produktionsabfrage mit ihrem vollständigen Protokoll auditierbar ist: den unternommenen Schritten, den abgerufenen Quellen, dem verwendeten Modell und dem Reasoning.
Laut Terminal X erzielen Kunden durch diesen Ansatz erhebliche Einsparungen, darunter eine Private-Equity-Firma, die 2.4 Millionen US-Dollar annualisierte Einsparungen durch automatisierte Due-Diligence- und Investment-Memo-Workflows meldete.
Antworten mit einem Eval Agent bewerten und das System verbessern
Um die Antworten der Agenten mit dem eigenen Standard der Firma abzugleichen, baute Terminal X einen Eval Agent. Es ist ein orchestrierter Workflow auf GPT‑6.1 Sol und anderen OpenAI-Modellen, der darauf ausgelegt ist, jede Agentenausgabe so zu lesen, wie ein VP die Arbeit eines Analysten liest.
Der Eval Agent prüft jede Ausgabe anhand eines Rubrics mit 54 Kriterien. Er fragt: Sind die Zahlen, Comps, Konsenszahlen und Zitate aus den richtigen Quellen entnommen? Hält die Erzählung stand? Knüpft die Empfehlung an die Hausansicht an?
Jede Prüfung wird als Bestehen oder Nichtbestehen bewertet. Jede Nichtbestehensbewertung enthält einen einzeiligen Grund sowie eine bessere Quelle oder korrigierten Text und wird zu einem Memory. Beispielsweise wird eine verpasste Quelle, ein falscher Comparable oder eine These, die von der Hausansicht abweicht, als neue Workflow-Anweisung oder neuer Testfall für dieses Desk kodifiziert.
„Jede Antwort wird evaluiert, und was auch immer der Analyst korrigiert, bringt dem System ein bisschen mehr darüber bei, wie diese Firma funktioniert“, sagt Ken Lee, Co-Founder und CTO von Terminal X. „Je länger eine Firma es nutzt, desto mehr denkt es wie ihr eigenes Team.“
Jedes Modell testen, nach Aufgabe auswählen
Terminal X wählt Modelle anhand seiner eigenen Evaluierungsergebnisse aus. Über 500 bewertete Urteile hinweg stimmte sein Eval Agent auf GPT‑6.1 Sol zu 88.6 % der Zeit mit dem erfahrenen menschlichen Reviewer überein, gegenüber 86.4 % beim zweitbesten Modell, eine Verbesserung von 220 Basispunkten.
Eine Fehlerkategorie, bei der GPT‑6.1 Sol besser abschnitt, ist Style Drift. Beispielsweise besteht das Mandat eines Buyout-Fonds darin, Take-Private-Kandidaten zu finden, die mit einem Abschlag zum NAV handeln, das Geschäft zu prüfen und die Finanzierung zu strukturieren. Wenn Szenariomodelle eine Marktkehr anzeigen, beginnen Deals, eine Distressed-Credit-Position oder eine Rettungsfinanzierung zu empfehlen. Der Eval Agent auf GPT‑6.1 Sol erkannte etwa 25 % mehr dieser Abweichungen als das zweitbeste Modell.
GPT‑6.1 Sols Token-Effizienz bei Long-Context-Arbeiten ermöglichte es Terminal X, innerhalb desselben Budgets einen tieferen Review-Workflow aufzubauen. Die These wird zunächst gegen das Mandat des Fonds getestet, dann gegen dessen aktuelle Deals. Unsichere Urteile werden erneut ausgeführt, und der Agent stimmt die Ergebnisse ab, bevor er meldet.
Dieser tiefere Review markierte Deals, die ein einzelner Durchlauf auf einem vergleichbaren Modell durchgewinkt hatte. GPT‑6.1 Sol führte zudem dieselben Workflows zu etwa 30 % niedrigeren Kosten pro Abfrage aus als das zweitbeste Modell, bei ähnlicher Geschwindigkeit.
Auf dem Weg zu einem Memory für jeden Investor
Mit GPT‑6.1 Sol und GPT‑6 Luna hat Terminal X 1,700 firm Memories aufgebaut, mehr als 1 Million benutzerdefinierte Workflows ausgeführt und eine Anzahl wöchentlich aktiver Nutzer erreicht, die 81 % der monatlich aktiven Nutzer entspricht.
Terminal Xs nächster Schritt ist es, die festgehaltenen Memories von Schreibtischen auf Einzelpersonen auszuweiten, sodass der Standard jedes Investmentprofis so erfasst wird, wie er praktiziert wird, und nicht nur, wie er beschrieben wird.
Für Hyun, Mitgründer und CEO von Terminal X, ist das der Kernpunkt: „Die Unternehmen, die das nächste Jahrzehnt gewinnen werden, werden ihr Urteilsvermögen als Daten besitzen. Unsere Aufgabe ist es, dieses Urteilsvermögen messbar zu machen, damit es aufbewahrt, verbessert und wiederverwendet werden kann.“