0.61美元一题，Samaya Sterling在金融研究基准上压过Claude Fable 5.1

Samaya AI 发布了 Sterling，一个面向金融研究的后训练模型，底座是 Nemotron 3.5 Lightning，标题里给了它一个更具体的身份：3B 活跃参数的金融研究 Agent 模型。

先看结果。Sterling 在 FrontierFinance 上得分 58.9%，单题成本 0.61 美元。对照 Claude Fable 5.1，得分 55.9%，单题成本 6.89 美元。按单题成本算，6.89 除以 0.61 约等于 11.3，和原文标题里的 11x lower cost 对得上。

这组数字扎眼的地方不在 2 个百分点，在成本。金融研究不是闲聊，读材料、找数据、做归纳都烧 token，也烧时间。单题成本从 6.89 美元压到 0.61 美元，省下来的钱足够多买几个数据源，前提是答案能过合规和复核。

也别急着把结论外推。FrontierFinance 是一个基准，58.9% 不是满分，2 个百分点也谈不上碾压。金融研究还看数据时效、引用可追溯、复杂表格理解、监管口径。原文没有展开 Sterling 的接口、部署方式和数据覆盖范围，公开信息主要集中在模型定位、基准得分和成本。

值得留意的是路线。用 Nemotron 3.5 Lightning 做后训练，把 3B 活跃参数推到金融研究任务上，说明特定领域的 Agent 模型可以靠训练策略和任务设计换效率。对开发者来说，这个案例的参考价值在于成本曲线；对普通用户来说，金融 AI 的账单开始变成可以算清楚的数字。

原文链接：Samaya AI Releases Sterling