一句话看懂：金融咨询公司 Chatham Financial 用 OpenAI 的 Codex 和 GPT‑5.6 系列模型重构资本市场业务流程，把单笔交易验证时间从约 30 分钟压缩到 4 分钟以内，同时把员工自建应用和核心平台 Chatham Onyx 接入大模型能力。
事件核心：发生了什么
2026 年 10 月 2 日，OpenAI 公布了与 Chatham Financial 的合作细节。Chatham 是一家为复杂资本市场决策提供咨询的北美金融公司，对准确性和可审计性要求极高。它没有把 AI 当作简单的流程加速器，而是从目标结果倒推，先确定哪些环节必须保留人类判断，再决定用 AI 和 AI 构建的工具如何支撑。
具体落地分三条线：一是用 Codex 开发交易验证应用，自动收集交易证据、比对关键条款并标记差异，早期测量显示复核时间从约 30 分钟降到 4 分钟以内，目前仍在与资深审核员的真实结果做对照；二是内部平台 Chatham Vibes 让员工自建应用，默认调用 GPT‑5.6 Terra，可按应用配置升级到 GPT‑5.6 Sol，这些应用已开始支撑客户侧工作流，例如到期上限交易复核、定价工作簿、固定收益利率表和交易确认书检查；三是下一代资本市场操作系统 Chatham Onyx，用 Codex 贯穿规划、开发、测试、文档和审查，并按任务复杂度路由到 GPT‑5.6 Sol、GPT‑5.6 Terra、GPT‑5.4 和 GPT‑4.1，其中 ChatFIN 负责总结历史市场数据、理解投资组合并链接法律文件。
为什么重要
这笔合作的看点不在“用了 AI”，而在于金融这种高合规、高审计要求的行业，开始把大模型嵌入核心生产流程。Chatham 的做法是把 AI 输出和人类专家判断分层：AI 负责证据收集、条款比对、初筛和文档关联，人类负责市场语境、客户理解和最终决策。这种“先定判断边界、再定自动化程度”的路径，比直接追求全自动更接近金融业真实采购逻辑。同时，按任务复杂度在多个模型间做路由，也说明企业级 AI 落地正在从“选一个最强模型”转向“按成本与准确性分配推理算力”。
对用户/开发者/创作者的影响
对开发者而言，Codex 在这里的角色不只是写代码，而是覆盖软件全生命周期，从概念到可维护的产品能力，这提示 AI 编程工具的价值正在向文档、测试和审查延伸。对企业采购方而言，Chatham 的案例给出一个可参考的评估框架：先锁定哪些环节的输出可被审计，再决定自动化比例，并用真实交易和资深人员做基准验证。对金融从业者，员工自建应用加默认模型配置的模式，说明低门槛构建内部工具正在成为大公司内部效率提升的常规手段，但客户交付前仍需要专业人员把关。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
目前公开信息显示，交易验证应用仍处于与经验丰富的审核员做对比验证的阶段，尚未提到全面自动化上线。后续可观察三点：一是该应用能否扩展到更多交易类型并保持同等准确性；二是 Chatham Onyx 的模型路由策略是否会随成本和能力变化调整；三是这种“员工自建应用 + 专业审核”的模式，是否会被更多金融服务公司复制，以及监管对 AI 辅助审计留痕的要求是否会进一步明确。
来源：OpenAI News
