# Samaya: Sterling supera Claude nel benchmark finanziario

> Secondo Samaya AI, Sterling raggiunge il 58,9% su FrontierFinance, contro il 55,9% di Claude Fable 5.1, con un costo inferiore per domanda.

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

Samaya AI afferma che il suo modello di ricerca finanziaria Sterling ha ottenuto il 58,9% nel benchmark FrontierFinance dell’azienda, superando il 55,9% di Claude Fable 5.1. Samaya indica un costo di $0,61 per domanda per Sterling, contro i $6,89 di Claude: circa 11 volte meno.

Questi sono risultati dei benchmark interni di Samaya, non il frutto di un confronto indipendente. FrontierFinance valuta attività di ricerca lungo il processo d’investimento, comprese domande che richiedono di raccogliere dati finanziari e supportare una risposta scritta con citazioni. Samaya afferma che le domande del benchmark non erano incluse nei dati di addestramento, ma il test è stato creato dall’azienda, che ne ha anche condotto la valutazione.

## Come è stato addestrato Sterling

Sterling si basa su Nemotron 3.5 Lightning di NVIDIA, un modello da 30 miliardi di parametri che ne usa 3 miliardi alla volta. Samaya afferma che il modello di base aveva inizialmente un’accuratezza del 42,5% su FrontierFinance, prima che il processo di addestramento in quattro fasi dell’azienda portasse il risultato al 58,9%.

Il processo ha combinato due cicli di addestramento supervisionato e due di apprendimento per rinforzo, un metodo che usa i punteggi per orientare i tentativi successivi. Il modello ha imparato a usare strumenti di ricerca finanziaria, scegliere tra diversi approcci, raccogliere prove e produrre rapporti con citazioni. Samaya afferma di averlo addestrato con esempi provenienti da otto diversi modelli usati come insegnanti e con domande redatte e valutate da professionisti della finanza.

Anche la configurazione di ricerca incide sul risultato: Sterling usa una raccolta di strumenti specifici per la finanza, mentre modelli di supporto accorciano gli output degli strumenti e le cronologie di ricerca più lunghe. Samaya afferma che questa configurazione consente al modello attivo più piccolo di svolgere ricerche effettuando numerose chiamate agli strumenti. I punteggi pubblicati descrivono quindi il modello all’interno di questo sistema, non un modello autonomo che risponde senza strumenti.

## Cosa dimostra il confronto e cosa no

Il risultato suggerisce che l’addestramento successivo a quello iniziale e una configurazione di ricerca su misura possono migliorare le prestazioni di un modello più piccolo nel test specifico di Samaya. Non dimostra che Sterling sia più accurato di Claude nella ricerca finanziaria in generale: i risultati forniti riguardano un solo benchmark e non è documentata alcuna valutazione indipendente.

Samaya afferma di aver usato un insieme separato di 100 domande interne per scegliere i checkpoint di addestramento. L’azienda riferisce inoltre che un modello più grande, addestrato con lo stesso approccio, ha mostrato primi miglioramenti, ma non ha ancora reso noti i risultati. L’annuncio fornito non specifica come si possa accedere a Sterling.

## I fatti

- Samaya afferma che Sterling ha ottenuto il 58,9% su FrontierFinance, contro il 55,9% di Claude Fable 5.1.
- Samaya indica un costo di $0,61 per domanda per Sterling e di $6,89 per Claude Fable 5.1.
- Sterling è basato su Nemotron 3.5 Lightning, che Samaya descrive come un modello da 30 miliardi di parametri, di cui 3 miliardi attivi.
- Samaya afferma che l’addestramento ha portato il punteggio del modello su FrontierFinance dal 42,5% al 58,9% attraverso quattro fasi.

## Perché conta

Per i team finanziari che valutano strumenti di ricerca basati sull’IA, i risultati di Samaya sono un motivo per prendere in considerazione modelli più piccoli dotati di strumenti, come possibile opzione a costi inferiori. Tuttavia, i punteggi provengono dal benchmark interno di Samaya: per capire se Sterling è altrettanto efficace nelle proprie attività di ricerca, i team hanno ancora bisogno di prove indipendenti.

## Fonti e riferimenti

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

Ultimo aggiornamento: 2026-10-30