VectifyAI发布Mafin 2.5与PageIndex 实现金融RAG 98.7%准确率

背景

在金融审计等高风险场景下，传统基于向量相似度的RAG（Retrieval‑Augmented Generation）常因文档布局信息缺失而产生幻觉。财报中的表格、页眉‑页脚以及图表的层级关系是理解关键数字的前提，却在常规的PDF‑to‑text过程里被剥离，导致即使是最强大的大模型也难以给出可靠答案。为了解决这一痛点，VectifyAI在2026年2月推出了两款新产品：多模态金融代理 Mafin 2.5 与开源的 PageIndex 框架，正式宣告向“Vectorless RAG”转型。

Mafin 2.5 关键指标

• FinanceBench 98.7%：在公开的金融检索基准FinanceBench上，Mafin 2.5取得近乎满分的准确率，远超GPT‑4o（约31%）和Perplexity（约45%）。
• 多模态接入：原生支持SEC 10‑K/10‑Q/8‑K全文索引、实时盈余电话会议文字稿以及Russell 3000、Nasdaq等实时行情数据。
• 端到端推理引擎：模型内部集成了对PageIndex树结构的专用检索模块，使得每一次生成都能基于明确的文档路径进行推理。

PageIndex 核心技术

PageIndex 通过“向量‑无”方式重塑传统RAG，核心特性包括：

• 层级树索引：将PDF转化为语义树，每个节点对应页面、章节、表格或图形，实现结构化导航。
• 视觉原生支持：利用视觉模型直接解析页面布局，识别图表、复杂网格，避免依赖OCR文本。
• 可审计路径：每一次答案都能回溯到具体的树节点、页码和行号，为监管合规提供完整的审计链。
• 开源实现：代码托管于GitHub，提供Python SDK 与 RESTful API，便于企业快速集成。

行业影响

1. 提升金融合规安全：审计报告、监管申报等场景要求答案可追溯。PageIndex 的树形路径让审计师能够一键定位来源，显著降低监管风险。
2. 降低向量成本：传统向量数据库需要大规模计算和存储，PageIndex 通过结构化索引削减了数十倍的向量计算开销，适合成本敏感的金融机构。
3. 加速行业落地：Mafin 2.5 已对接多家券商的实时行情系统，能够在秒级返回财报关键指标，帮助投研团队实现自动化报告撰写。

结语

VectifyAI 把“结构化‑语义‑可审计”三大要素融合进金融RAG，首次在公开基准上实现接近 99% 的准确率。PageIndex 的开源生态有望吸引更多金融科技公司共同构建“无向量”检索标准，推动生成式AI在高监管领域的安全落地。未来，随着更多行业数据源接入和视觉模型的迭代，向量‑无 RAG 将可能成为金融、法律乃至医疗等垂直领域的新范式。