← 返回全部情报
金融:Balyasny 用自研评测与 BAMAgent 上 Claude Fable——并购套利包从约 3–5 天压到约 30 分钟再人审 的封面

·Anthropic·工程博客收录 2026-10-20

金融:Balyasny 用自研评测与 BAMAgent 上 Claude Fable——并购套利包从约 3–5 天压到约 30 分钟再人审

金融投研BAMAgentClaude Fable评测人审

一句话结论

约 380 亿美元 AUM 的多策略公司 Balyasny 把前沿模型放进自建 harness 与 BAMAgent:并购套利初包由 agent 跑约 30 分钟后必经人审(过去约 3–5 天);上线前用数千真实金融任务评测,Fable 相关子集约 89.4% 对上代约 86.1%,权限不因模型更强而自动放宽。

打开原文 Anthropic:How Balyasny evaluates and governs Claude Fable 5

背景与理念

Flanagan 把 2026 概括成「从会搜索的系统,变成会干活的系统」。关键不只是模型,而是 Claude Code 一类 harness:可以给 outcome 而不是单次提示,让 agent 持续做到可交付物。

执行层、数据访问与审阅控制大多自建;Anthropic 提供前沿模型,BAM 负责能在交易与研究约束下跑起来的平台。

具体做法

  1. 并购套利:交易宣布后,agent 组装初始分析包——估成交概率与耗时、抽经济与法律条款、标条件与里程碑、标出必须由投资人判断的点;约跑 30 分钟,任何实质输出使用前都要人审。
  2. 上线前评测:在股票、宏观、商品等数千可核验真实任务上测模型,既测裸模型,也测在与生产相同工具/文件/要求下的 agent 环境;盯数值错误、覆盖遗漏、无依据结论、检索失败。
  3. Fable 在相关子集约 89.4%,上一代约 86.1%;一组过去从未有模型做对的经济学题首次通过,团队重跑评测并与 Anthropic 复核后才接受。
  4. 安全当操作系统而非选型一次性动作:批准数据边界、最小权限、工具级许可、日志可追溯、实质输出人审、对抗与失败场景预先测试;更强模型不会自动获得更广权限。
  5. BAMAgent:六个月打造的托管 agent 平台,支撑数千自主 agent 7×24;聊天负责吸收信息,BAMAgent 做可并行、可持续数小时到数天的多步研究,最终交出可审阅研究制品。

关键数据/例子

并购套利初包:约 3–5 天 → agent 约 30 分钟 + 人审。

首席经济学家的央行分析例行工作:约 2 天 → 约 30 分钟,判断仍归本人。

税损收割案例:agent 扫约 9 万张库表找到相关共同基金持仓并自建权重体系,经团队审阅后被认为比传统路径更全面。

有团队同时跑 300+ agent 持续分析新数据。 AUM 约 380 亿美元,投资与员工约 2000 人量级。

创新点

第一,把「数千真实金融任务评测」当成选型基础设施,而不是看公开榜。

第二,明确「模型变强 ≠ 权限变大」:工具与数据仍按用户与任务白名单。

第三,用 BAMAgent 把聊天推进到可审阅交付物,并把人审写进默认路径。

可否复用

  1. 投研 agent 先固定「交付物模板 + 人审门闩」,再谈拉长自主时间。
  2. 建与生产同构的评测集(可核验对错),同时测裸模型与带工具的 agent。
  3. 权限矩阵按工具/数据源/用户绑定,模型升级不自动扩权。
  4. 把「搜索助手」和「干活平台」分开产品化:后者要有日志、并行与可回滚的审阅流。

笔记会在输入时自动保存。