Samaya Sterling poráží Claude ve finančním výzkumu. Je 11× levnější

Co je Samaya Sterling

Sterling není model trénovaný od nuly. Firma ho postavila na NVIDII Nemotron 3.5 Lightning, open-source modelu architektury mixture-of-experts (MoE). Celkem má 30 miliard parametrů, ale při každém kroku se aktivuje jen zhruba desetina z nich, tři miliardy. Právě to mu umožňuje být rychlý a levný na provoz.

Rozdíl oproti běžnému jazykovému modelu je v tom, co dělá. Sterling funguje jako výzkumný agent pro finance. Naplánuje si rešerši, volá finanční nástroje, sbírá důkazy a výsledek předává samostatnému zapisovači, který sepíše zprávu s citacemi. Odpovídá na otázky typu, jak se vyvíjel úrokový poměr dluhu u AT&T a Verizonu v jednotlivých čtvrtletích za pět let.

Základní model má kontext až milion tokenů, tedy najednou zpracuje rozsáhlý soubor dokumentů. U samotného Sterlingu Samaya velikost kontextu nezveřejnila. Podle oznámení na síti X výzkumnice Maithry Raghu začal celý projekt jako práce dvou lidí na efektivitě agentní orchestrace.

Jak se model trénoval

Trénink proběhl ve čtyřech fázích přes API Tinker od Thinking Machines Lab metodou LoRA. První dvě fáze jsou učení nápodobou (SFT), další dvě posilovací učení (GRPO). Učitelem byl model Kimi K3.

V první fázi Samaya vygenerovala 968 syntetických otázek analytiků. Učitel na každou odpověděl dvakrát a soudce založený na LLM vybral lepší odpověď. Model se tak naučil volat 37 finančních nástrojů se správnými argumenty. Ve druhé fázi učitel odpovídal na 1 819 odborně napsaných otázek osmi různými výzkumnými strategiemi a do tréninku šla vždy nejlépe ohodnocená odpověď. Po odfiltrování slabých zůstalo 1 157 otázek.

Následovalo posilovací učení. Offline GRPO porovnávalo osm hotových odpovědí učitele mezi sebou, takže nebylo nutné nic generovat a každý krok vyšel levně. Online GRPO už nechalo model odpovídat osmkrát na každou otázku a učit se z ohodnocených pokusů. Skóre na benchmarku rostlo postupně: 42,5 %, pak 51,4 %, 54,8 %, 57,5 % a nakonec 58,9 %. Medián počtu volání nástrojů přitom stoupl ze 3 na 17.

Skóre a cena proti Claude Fable 5.1

FrontierFinance je benchmark s 220 veřejnými otázkami, které se hodnotí podle expertních klíčů a tří modelů-soudců. Samaya uvádí, že žádnou otázku z benchmarku nepoužila v tréninku a checkpointy vybírala na 100 interních validačních otázkách.

Sterling splní 58,9 % položek hodnocení za 0,61 dolaru a 282 sekund na otázku. Claude Fable 5.1 splní 55,9 % za 6,89 dolaru a 268 sekund. Rozdíl ve skóre je tři procentní body, v ceně jedenáctinásobný. V režimu s vyšším nasazením, kdy model zkoumá každou otázku hlouběji, Sterling dosáhne 60,6 %, ale cena stoupne na 1,83 dolaru a doba na 372 sekund.

Výsledky jsou self-reportované, tedy pocházejí z blogu samotné Samayi a jejího vlastního benchmarku. Model se zlepšil na všech úrovních obtížnosti, nejen u jednoduchých otázek. Na nejtěžší třetině benchmarku stoupl z 31,8 % na 45,2 %.

Cena a dostupnost

Samotný model přijde na 0,04 dolaru za otázku. Zbytek ceny, tedy většina z 0,61 dolaru, jde na volání finančních nástrojů a dva pomocné modely, které zkracují dlouhé výsledky a sumarizují stopu výzkumu. Pro srovnání: uzavřené frontier modely dělající stejnou práci ve stejném prostředí podle Samayi stojí 0,56 až 0,95 dolaru.

Přepočet na koruny: při kurzu kolem 23 korun za dolar vychází otázka na zhruba 14 korun u Sterlingu a kolem 158 korun u Claude Fable 5.1. To je vlastní přepočet, oficiální česká cena neexistuje, protože produkt zatím nikdo v Česku nekupuje.

Klíčové omezení: Samaya nezveřejnila váhy Sterlingu ani veřejné API. Model běží interně na platformě Samayi. Volně dostupná je jen báze Nemotron 3.5 Lightning pod licencí OpenMDW-1.1, takže si ji technicky zdatný tým může stáhnout z Hugging Face, ale bez Sterling LoRA vrstev se k té kvalitě nedostane.

Finanční analýza v Česku a EU

Pro české banky, investiční domy nebo fintech je Sterling momentálně mimo dosah, dokud Samaya neotevře přístup. Zajímavé je ale samotné zjištění, které z projektu vyplývá: malý model natrénovaný společně se svým nástrojovým prostředím dokáže v úzké doméně překonat největší frontier model, a to za zlomek ceny. Přesně tento recept je použitelný i jinde, včetně menších firemních modelů postavených na vlastních datech a úsudku.

U finanční AI v Evropě platí také regulace. Finanční služby spadají pod pravidla jako DORA a v určitých případech, typicky u úvěrového hodnocení, i pod nařízení o umělé inteligenci (AI Act). Samotný finanční výzkum mezi vysoce rizikové případy výslovně nepatří, ale transparentnost ohledně toho, jak AI dospěje k závěru, se u výstupů pro klienty očekává. Sterling s citacemi ke každému tvrzení tomuto požadavku nahrává.

Samaya výsledky zveřejnila v technickém blogu 28. října 2026. Firma plánuje další kroky, konkrétně multi-agentní výzkum s větším rojem levných agentů a firmám šité modely. Zatím jde o oznámení výzkumných výsledků, ne o produkt, který by si běžný zájemce mohl zaplatit.