Samaya Sterling, un agente de finanzas con IA diminuto, supera a uno mayor por una fracción del costo

Cómo funciona

Un programa que planifica investigaciones financieras, llama a herramientas para recopilar datos y redacta informes automáticamente.

Planificar la investigación y elegir qué herramientas llamar
Llamar hasta 37 herramientas financieras para recopilar evidencia
Resumir los hallazgos y escribir un informe de investigación completo

Qué podrías hacer con ello

Un investigador financiero o analista de inversiones podría realizar investigación financiera de principio a fin —planificar estudios, usar 37 herramientas financieras, recopilar evidencias y redactar informes— mediante un pequeño agente de IA creado por Samaya AI ².
Un desarrollador o empresa podría desplegar un agente asequible de investigación financiera por aproximadamente 11 veces menos dinero que usar Claude Fable 5.1, abaratando el funcionamiento de las herramientas de investigación a escala ¹.
Un equipo de inversión podría mejorar el rendimiento del cribado y la investigación macro, pasando del 31,8 por ciento en las preguntas más difíciles al 45,2 por ciento tras el post-entrenamiento ¹.

Un ejemploInventado para explicarlo

Maya revisa acciones desde su pequeño escritorio en el departamento

MayaEncontrá todo sobre el último informe de ingresos de NovaTech

SterlingBuscando en las 37 herramientas financieras. Las voy a llamar ahora.

Maya¿Cuánto tarda y cuánto cuesta?

SterlingPlanificar el estudio, llamar a las herramientas, recopilar evidencia y después escribir el informe. Mucho menos que los grandes competidores.

Sterling completó el flujo de trabajo completo de investigación y entregó un informe a una fracción del costo habitual.

Un modelo más pequeño haciendo el trabajo de uno mayor

Samaya AI ha publicado Sterling, un modelo diseñado para actuar como agente de investigación financiera. Se basa en Nemotron 3.5 Lightning, un modelo de NVIDIA que tiene 30 mil millones de parámetros totales pero solo usa 3 mil millones a la vez —un diseño llamado mixture of experts, donde diferentes partes del modelo se encargan de diferentes tareas ¹².

En el benchmark FrontierFinance propio de Samaya, que evalúa la capacidad de la IA en flujos de trabajo reales de inversión, Sterling obtiene un 58,9 por ciento de precisión ¹. Eso supera la puntuación de Claude Fable 5.1 de 55,9 por ciento . La principal diferencia, no obstante, es el coste. Cada pregunta de investigación cuesta 61 centavos para Sterling, frente a los 6,89 dólares para Fable 5.1 —aproximadamente 11 veces más barato ².

El modelo en sí solo cuesta unos 4 centavos por pregunta; el resto cubre las herramientas y los modelos auxiliares que usa ¹. Samaya afirma que cada etapa de entrenamiento añadió calidad, pasando del 42,5 por ciento de precisión en el modelo base al 58,9 por ciento tras cuatro etapas de entrenamiento . En el tercio más difícil de las preguntas, el rendimiento subió del 31,8 por ciento al 45,2 por ciento .

Cómo funciona Sterling

Un agente de investigación financiera es un programa que planifica la investigación, usa herramientas para obtener datos, recopila evidencias y luego redacta un informe ². Sterling hace esto siendo primero entrenado con aprendizaje supervisado para llamar a 37 herramientas financieras distintas con entradas correctas, y luego aprendiendo de estrategias mejoradas .

Samaya adaptó su sistema de herramientas financieras de producción para un modelo pequeño. Simplificaron las instrucciones, fusionaron algunas herramientas para acortar los prompts, y añadieron dos modelos auxiliares para gestionar el contexto —un condensador que acorta los resultados largos de las herramientas, y un compactador que resume la trazabilidad de la investigación a medida que crece ². Un presupuesto de investigación limita cuánto tiempo trabaja el agente antes de entregar los hallazgos a un escritor de informes separado .

El entrenamiento usó LoRA, un método que ajusta solo parte de los parámetros de un modelo para ahorrar tiempo y dinero, en cuatro etapas usando a Kimi K3 como modelo profesor ¹². La primera etapa usó 968 preguntas sintéticas. La segunda usó 1.819 preguntas escritas por expertos con ocho estrategias de investigación distintas, manteniendo solo la mejor respuesta por pregunta . Dos etapas adicionales usaron aprendizaje por refuerzo, primero puntaje offline de respuestas existentes, y luego online donde el modelo respondió cada pregunta ocho veces y aprendió de intentos evaluados .

Qué sigue sin saberse

Samaya dice que ninguna pregunta del benchmark se usó en el entrenamiento, y que los checkpoints se eligieron sobre 100 preguntas internas de validación ¹. Sin embargo, todos los resultados son autorreportados por Samaya en su propio benchmark . El modelo aún no tiene pesos públicos ni API anunciada; el modelo base corre en una sola GPU H100 con 80 GB de memoria y 256K de contexto, pero el hardware de servicio de Sterling y el contexto no se revelan . No se reportan cifras para otros benchmarks más allá de FrontierFinance.

La conclusión más amplia es que entrenar conjuntamente un modelo pequeño con su sistema de herramientas puede estrechar la brecha con modelos más grandes en dominios especializados ².

Qué tan bueno es

En el benchmark FrontierFinance propio de Samaya, que evalúa la capacidad de la IA en flujos de trabajo reales de inversión usando 220 consultas públicas calificadas contra rúbricas escritas por expertos, Sterling obtiene un 58,9 por ciento de precisión ¹. Eso supera la puntuación de Claude Fable 5.1 de 55,9 por ciento en la misma prueba . Cada etapa de entrenamiento añadió calidad, pasando del 42,5 por ciento en el modelo base al 58,9 por ciento tras cuatro etapas . Todos los resultados son autorreportados por Samaya AI .

FrontierFinance Benchmark Scores

accuracy on real investment research workflows. Más alto es mejor. Datos: Samaya AI (self-reported). Gráfico de Herald of AI.

Imagen: samaya.ai

Los datos clave

Sterling obtiene 58,9% en FrontierFinance, superando el 55,9% de Claude Fable 5.1
El costo por pregunta baja 11 veces: 0,61 dólares frente a 6,89 dólares para Fable 5.1
Construido sobre Nemotron 3.5 Lightning de NVIDIA con 30B totales / 3B activos de parámetros
Entrenado en 4 etapas usando LoRA con Kimi K3 como modelo profesor
Sin pesos públicos ni API anunciada; el modelo base cabe en una sola H100 de 80 GB