Balyasny资产管理（BAM）是一家全球多策略投资公司，管理资产规模约380亿美元，拥有约2000名投资专业人士和员工。首席人工智能官Charlie Flanagan与Anthropic分享了公司如何在数千个真实金融任务中评估新模型，为什么自主构建了运行智能代理的平台，以及Claude Fable 5发布后带来的变化。

2026年，前沿AI对BAM的影响有哪些？

2026年标志着我们从以搜索为主的AI系统，转向能够实际完成工作的AI系统。

关键变化不仅是模型本身，更是围绕模型构建的执行框架，如Claude Code。这些工具让我们构建的AI解决方案能够承担更复杂、持续时间更长的任务。赋予AI一个目标而非简单提示，并让它持续工作直至完成，成为了游戏规则的改变者。

一个实际例子是并购套利分析。当交易宣布时，智能代理会自动生成初步分析报告，评估交易完成的可能性和时间，提取关键经济和法律条款，识别条件和里程碑，并标注需要投资者判断的部分。

一年前，这些步骤分散在人工研究和多个工具中，没有一个代理能可靠地完成整个多步骤流程。过去这项工作需要3到5天，现在不到一天即可完成。代理运行约30分钟，任何重要输出都需经过人工审核。

我们使用Anthropic的前沿模型，但大部分基础设施，包括执行框架、数据访问和审核控制，均由BAM内部开发。

如何评估Claude Fable 5？

多年前我们就投入建设了强大的评估系统，这对我们帮助极大。我们在数千个真实金融任务上测试新模型，涵盖股票、宏观经济和大宗商品领域，且结果可验证，而非依赖通用基准或孤立演示。这使我们能基于数据做出模型选择和调度决策，我认为所有企业都应投资此类系统。

我们不仅测试模型本身，还测试其在我们代理环境中的表现，使用与用户相同的工具、文件和需求。模型能否规划工作、选择并使用合适工具、查找和分析证据、纠正错误、核对中间结果并产出有据可依的成果？我们还关注特定失败模式，如数值错误、遗漏覆盖、不支持的结论和检索问题。

在相关任务子集上，Fable的准确率达到89.4%，高于之前生产模型的86.1%。其优势主要体现在复杂规划、分析和代理执行上。

令人惊讶的是，一些经济学问题此前所有模型均未能成功完成，Fable却做到了。我们最初怀疑评估存在问题，经过复测、独立核查任务和评分逻辑，并与Anthropic共同审查后确认提升真实存在。这是令人震撼的时刻。

目前，我们的投资团队将Fable作为系统化和编码工作的首选前沿模型，并根据效率和成本指导何时使用Fable或其他模型。

如何看待当前前沿模型的安全性？

我们将安全视为产品和运营模式问题，而非一次性模型选择。关键问题不仅是模型能力，还包括它能访问哪些数据、使用哪些工具、采取哪些行动、哪些必须人工审批，以及如何发现异常。

这意味着我们在模型之外设置控制，而非假设模型本身即为控制。我们采用批准的数据边界、最小权限访问、工具级权限、日志追踪、重要输出人工审核及明确的异常升级路径。还会在扩大访问前测试对抗和失败场景。

这些控制从一开始就是优先事项，Fable发布后安全策略并无根本变化。更强大的模型不会因此获得更广泛权限。模型只能使用为特定用户和任务批准的工具和数据，无法自我授权。投资判断和责任始终由人承担。

BAMAgent的角色是什么？

未来趋势是更强大的代理能执行更长时间、多步骤的任务，这使得治理更加重要。为此，我们开发了BAMAgent，这是内部平台，用于安全地将代理部署到批准的企业工作流中。它为代理提供所需工具和系统，但仅限于这些工具和系统。该平台已开发六个月，支持数千个自主代理全天候运行。

BAMAgent超越了聊天平台的功能。聊天帮助人们获取和整合信息，BAMAgent则完成工作：多步骤研究和分析，可持续数小时甚至数天，代理并行工作，最终产出供人工审核的成果。它能构建和维护公司研究包，准备财报或宏观事件，或将新证据转化为金融场景。代理规划工作，使用批准的内部系统，执行分析，核查中间结果，返回研究成果、模型或决策支持包。

Fable是规划和分析阶段的首选模型。规划阶段的错误会影响后续所有成果，因此我们希望最强模型来决定如何拆解问题、甄别关键证据、调和冲突信号，这让代理表现得像称职的同事。

每个企业都应制定策略，向托管代理模型转型，实现企业管理和执行的同时，最大化代理对用户的价值。

Claude Fable 5为BAM带来了什么？

反馈非常积极。最终，人们关心的是这项技术能为日常工作带来什么改变。

例如，一个BAMAgent执行了税损收割分析，遍历了9万个数据库表，找到了相关的共同基金持仓数据，并建立了自己的加权系统。经过团队审核，结果比传统方法更全面。

此外，我们的首席经济学家配置了一个代理工作流，将周期性央行分析时间从约两天缩短至约30分钟，经济学家仍保留审核和判断权。

Fable贡献了推理、综合和多步骤问题解决能力，BAM的执行框架提供了工作流设计、批准的数据和工具访问、检索上下文、权限、监控和人工审核控制。两者缺一不可，才能产出生产级成果。

随着模型能力提升，未来AI路线图如何规划？

今年，我们将从提供工具转向拥有队友。像队友一样，代理随着合作时间增长、完成更复杂任务，会变得更有用，甚至主动帮助完成工作。

目前已有团队运行300多个代理，持续分析新数据和信息，帮助团队更快获得洞见，避免遗漏。

这也改变了我们的问题。过去我们构建专家系统，教人自动化已有流程。现在我们问：有没有更好的方式达成目标？

限制其实只有我们的想象力。工具、数据和模型已能连续数小时完成真实工作，接下来由我们不断重新定义可能性。未来12个月将极其激动人心。

开始体验Claude Fable。