据 OpenAI 官网页面披露，名为 Terminal X 的项目在“与资深投资人判断是否一致”的测试中，与人类资深投资人的判断一致率达到 88.6%，所用模型为 GPT-6.1。
这条信息的核心变化在于评测基准的选择。传统模型评测多依赖有标准答案的题目，对错可判定；而以“资深投资人判断”为参照，本质上是把人类专家的决策结果当作基准答案。88.6% 的表述更接近“判断一致率”，并不等同于投资决策的准确率或收益率。
对 AI 从业者而言，值得关注的有三点。第一，专家判断本身存在分歧与噪声，一致率高既可能来自模型对信息与逻辑的掌握，也可能来自模型习得了专家的表达风格与偏好，两者需要区分。第二，这类评测的说服力高度依赖基准构造方式，包括专家如何选取、样本如何分布、分歧样本如何处理、一致性如何定义（完全一致还是方向一致）。第三，如果这一结果可在更广样本上复现，意味着大模型在投资研究、尽调材料整理、投资备忘录初筛等环节的辅助价值会被进一步讨论。
需要说明的是，目前该页面给出的公开信息有限，Terminal X 的产品形态与定位、测试集的构成与规模、是否涉及真实市场数据与具体时点等关键细节均未在页面中展开。因此 88.6% 应视为单一来源的阶段性结果，尚待更完整的评测披露与第三方复现。
后续可观察的方向是：是否公开测试方法与样本细节、模型在专家分歧样本上的表现，以及该结果能否在独立评测中成立。对关注 AI 产品落地的人来说，这提供了一个信号——面向专业场景的模型能力展示，正在从“答题能力”转向“与专家判断的一致性”。