# Laut Samaya schlägt Sterling Claude im Finanz-Benchmark

> Samaya AI meldet für Sterling 58,9 % Genauigkeit bei FrontierFinance, gegenüber 55,9 % für Claude Fable 5.1 – bei geringeren Kosten pro Frage.

Oossa · 2026-10-30 · https://oossa.com/de/samaya-says-sterling-beats-claude-on-its-finance-benchmark

Samaya AI zufolge erzielte das Finanzrecherchemodell Sterling im unternehmenseigenen Benchmark FrontierFinance 58,9 % und lag damit vor Claude Fable 5.1 mit 55,9 %. Samaya gibt die Kosten pro Frage für Sterling mit 0,61 $ an, verglichen mit 6,89 $ für Claude – etwa 11-mal weniger.

Diese Zahlen stammen aus Samayas eigenem Benchmark und sind kein unabhängiger Vergleich. FrontierFinance prüft Rechercheaufgaben aus verschiedenen Phasen des Anlageprozesses. Dazu gehören Fragen, für deren Beantwortung Finanzdaten zusammengetragen und schriftliche Antworten mit Quellenangaben belegt werden müssen. Samaya zufolge waren die Benchmark-Fragen nicht Teil der Trainingsdaten. Der Test wurde jedoch vom Unternehmen erstellt und durchgeführt.

## Wie Sterling trainiert wurde

Sterling basiert auf NVIDIA Nemotron 3.5 Lightning, einem Modell mit 30 Milliarden Parametern, von denen jeweils 3 Milliarden zum Einsatz kommen. Samaya zufolge erreichte das Basismodell bei FrontierFinance zunächst eine Genauigkeit von 42,5 %. Durch ein vierstufiges Trainingsverfahren steigerte das Unternehmen den Wert auf 58,9 %.

Das Verfahren kombinierte zwei Runden überwachtes Training mit zwei Runden bestärkenden Lernens – einer Methode, bei der Bewertungen die späteren Versuche lenken. Das Modell lernte, Finanzrecherche-Tools zu nutzen, zwischen verschiedenen Rechercheansätzen zu wählen, Belege zusammenzutragen und mit Quellenangaben versehene Berichte zu erstellen. Samaya zufolge wurde es mit Beispielen aus acht verschiedenen Lehrmodellen sowie mit Fragen trainiert, die von Finanzfachleuten verfasst und bewertet wurden.

Auch das Recherche-Setup beeinflusst das Ergebnis: Sterling nutzt eine speziell auf Finanzthemen zugeschnittene Sammlung von Tools. Hilfsmodelle kürzen lange Tool-Ausgaben und Rechercheverläufe. Samaya zufolge ermöglicht dieses Setup dem kleineren Modell, trotz seiner begrenzten Zahl aktiver Parameter Recherchen über zahlreiche Tool-Aufrufe hinweg durchzuführen. Die veröffentlichten Werte beschreiben daher die Leistung des Modells innerhalb dieses Systems und nicht die eines eigenständigen Modells, das ohne Tools antwortet.

## Was der Vergleich zeigt – und was nicht

Das Ergebnis deutet darauf hin, dass ein nachträgliches Training und ein speziell angepasstes Recherche-Setup die Leistung eines kleineren Modells bei Samayas eigenem Test verbessern können. Es belegt nicht, dass Sterling bei Finanzrecherchen allgemein genauer ist als Claude: Die vorgelegten Ergebnisse beziehen sich auf einen einzelnen Benchmark, und eine unabhängige Bewertung ist nicht dokumentiert.

Samaya zufolge nutzte das Unternehmen einen separaten Satz von 100 internen Fragen, um Trainingsstände auszuwählen. Das Unternehmen berichtet außerdem von ersten Verbesserungen bei einem größeren Modell, das mit demselben Verfahren trainiert wurde, hat diese Ergebnisse aber noch nicht vorgelegt. Aus der vorliegenden Mitteilung geht nicht hervor, wie Sterling genutzt werden kann.

## Die Fakten

- Samaya zufolge erzielte Sterling bei FrontierFinance 58,9 %, verglichen mit 55,9 % für Claude Fable 5.1.
- Samaya gibt die Kosten pro Frage mit 0,61 $ für Sterling und 6,89 $ für Claude Fable 5.1 an.
- Sterling basiert auf Nemotron 3.5 Lightning, das Samaya als Modell mit 30 Milliarden Parametern und 3 Milliarden aktiven Parametern beschreibt.
- Samaya zufolge stieg der FrontierFinance-Wert des Modells durch vier Trainingsstufen von 42,5 % auf 58,9 %.

## Warum es wichtig ist

Für Finanzteams, die KI-Recherchetools prüfen, liefern Samayas Ergebnisse einen Anlass, kleinere Modelle mit Tool-Unterstützung als möglicherweise kostengünstigere Option in Betracht zu ziehen. Da die Werte jedoch aus Samayas eigenem Benchmark stammen, benötigen Teams weiterhin unabhängige Belege, um beurteilen zu können, ob Sterling bei ihren eigenen Rechercheaufgaben ähnlich gut abschneidet.

## Quellen und Referenzen

1. [Samaya AI Releases Sterling: A 3B-Active Finance Research Agent Model that Beats Claude Fable 5.1 on FrontierFinance at 11x Lower Cost](https://www.marktechpost.com/2026/10/30/samaya-sterling-post-trained-finance-research-model-frontierfinance/) – MarkTechPost, 2026-10-30
2. [Samaya AI](https://samaya.ai/blog/rl-post-trained-agentic-model) – Samaya AI

Zuletzt aktualisiert: 2026-10-30