大模型金融投研能力测评：DeepSeek V4 Flash 与 Kimi K3、GLM-5.2 横向对比及本地部署（2026年 28页）

分类：研究报告

标签：大模型评测、金融研究、本地部署、量化回测

摘要：国金证券发布的《大模型赋能投研系列》测评报告，以2026年7月31日发布的DeepSeek V4 Flash为主要对象，并引入Kimi K3与GLM-5.2作为对照，系统考察三款大模型在真实金融研究场景中的综合能力。测评围绕财务建模、多因子回测与行业研究三类典型任务展开，覆盖数据库取数、表格建模、图表生成、资料溯源与研究报告输出等关键环节，重点检验模型从理解开放需求、自主拆解任务、规划执行路径，到在多个工具与数据源之间协同操作并形成最终交付物的长程任务能力。 在模型规格与成本方面，DeepSeek V4 Flash采用MoE架构，总参数284B、激活参数13B，原生支持100万Token上下文，最大输出384k Token；相较DeepSeek R1，其单Token推理开销与KV Cache占用显著下降。三款模型均支持约100万Token上下文，DeepSeek V4 Flash的API输入输出价格约为每百万Token 1元与2元，单位调用成本明显低于对照模型，使其更适配投研场景中高频、长流程的调用需求。公开基准显示Kimi K3综合得分领先，DeepSeek V4 Flash与GLM

来源：zuudee | 日期：2026-08-10 | 格式：pdf | 页数：28