大模型动态
「ChatGPT之母」穆拉蒂用千问微调出金融AI模型，击败GPT和Claude
发布时间：2026年07月07日 12:00:00前OpenAI CTO米拉·穆拉蒂创立的Thinking Machines Lab，以阿里Qwen3-235B为基座通过Tinker微调，产出金融信息筛选准确率84.7%的专家模型，超越GPT、Claude和Gemini，推理成本仅为后者的1/14。
7月初（7月7日报道），全球最大对冲基金桥水（Bridgewater Associates）与成立仅一年多的AI初创公司Thinking Machines Lab合作，在对GPT、Claude和Gemini等前沿模型的金融信息筛选测试中，发现了一个令人震撼的结果。
测试结果对比
| 模型 | 基础提示准确率 | 加强指令准确率 | 能否达到部署门槛（80%） |
|---|---|---|---|
| GPT-5.x | ~50% | ~70% | 否 |
| Claude Opus 4.x | ~50% | ~72% | 否 |
| Gemini 3.x | ~50% | ~70% | 否 |
| Qwen3-235B微调版 | — | 84.7% | 是 |
技术方案
Thinking Machines Lab 以开源的阿里 Qwen3-235B 为基座，通过自研 Tinker 微调平台 训练，最终产出了一个在财务文档判断上准确率达 84.7% 的私有专家模型：
- 推理成本：仅为 GPT/Claude 的约 1/14
- 核心能力：判断财经新闻是否影响资产价值
- 部署意义：在金融投资场景中达到可信部署门槛
创始人的战略深意
Thinking Machines Lab 创始人米拉·穆拉蒂（Mira Murati）是前 OpenAI CTO，被誉为"ChatGPT 之母"，曾主导 ChatGPT、DALL-E、GPT-4 等核心产品的研发。2024 年 9 月离职后，于 2025 年 2 月创立 Thinking Machines Lab。
她的转变本身就说明问题——亲手将通用大模型推向巅峰的人，创业后瞄准的是"私有化定制"赛道。
行业启示
此次测试揭示了一个深刻的行业趋势：
- 通用大模型不是终点，在垂直场景中开源的基座模型 + 精细化微调可以超越封闭式通用旗舰
- 成本优势压倒性：1/14 的推理成本让私有化部署在经济学上可行
- 中国开源模型的全球竞争力：Qwen3 系列已验证了在国际基准上的竞争力
穆拉蒂用千问打败了自己参与缔造的 GPT，这个隐喻本身比任何评分都更有力。