国金证券实测DeepSeek V4 Pro等三款大模型金融投研能力

我们以估值建模、多因子回测和行业研究三个真实投研任务，对DeepSeek V4 Pro、Kimi K3 和GLM-5.2 三个模型进行了实测。估值任务中，Kimi K3 排名第一，其收入预测按“分产品销量×单价”拆解，颗粒度最细，报告结论与目标价、评级一致；DeepSeek V4 Pro排名第二，报告口径更新、结论审慎，但关键公式存在系统性错位；GLM-5.2 排名第三，工作簿核心公式异常、结论无法复核。 回测任务中，DeepSeek V4 Pro 排名第一，扣除交易成本、明确区分信号日与执行日并剔除停牌，底稿完整、可逐期复核；Kimi K3 排名第二，交付较完整，但未扣成本、未区分交易时点；GLM-5.2 排名第三，毛净收益完全相同，中间过程披露不足。 行业研究任务中，DeepSeek V4 Pro 排名第一，投资框架可复算，Wiki 沉淀了来源页、实体页与综合页，关键数据可追溯。总体来看，三个模型在预测颗粒度、底稿可复核性、交易约束处理和来源追溯等方面仍存在明显差距。