20260828-国金证券-大模型赋能投研系列之三十_GLM-5.3与GLM-5.3-Flash金融投研能力评测_34页_4mb

报告摘要

金融工程组：GLM-5.3 与 GLM-5.3-Flash 评测总结

核心内容概述

本文对 GLM-5.3 与 GLM-5.3-Flash 两款模型在金融投研任务中的表现进行了详细评测，涵盖了估值、回测与行业研究三类任务。评测结果显示，GLM-5.3 在估值任务中表现最佳，其模型结构完整、公式联动性强，具备良好的可重算性。GLM-5.3-Flash 在工具和自动化方面表现突出，但其在某些复杂推理任务中略逊于 GLM-5.3。

主要观点

模型定位：
- GLM-5.3 基于 GLM-5.2 底座，通过后训练提升复杂编程与工具执行能力，主打长程 Agent、深度推理与安全性。
- GLM-5.3-Flash 是 GLM-5 系列首个原生多模态模型，支持文本、图像与视频输入，采用 320B 总参 / 18B 激活，权重 MIT 开源，适用于低成本、多模态任务。
性能提升：
- GLM-5.3 相比 GLM-5.2 在 DeepSWE 上提升 44.8%，在 AutomationBench v1.0.6 上提升 84.0%。
- GLM-5.3-Flash 在 DeepSWE、Toolathlon、Automation 上表现优于 GLM-5.2，甚至局部超过自家旗舰。
API 价格与性价比：
- GLM-5.3 价格与 GLM-5.2 相同：未命中输入 8 元、输出 28 元 / 百万 Token。
- GLM-5.3-Flash 价格约为 GLM-5.3 的 1/10，限时折扣后为 1/20，性价比高。
- 与 V4 Flash 和 V4 Pro 对比，GLM-5.3-Flash 在相同场景下价格优势显著，适合批量任务和默认执行层。
本地部署：
- GLM-5.3-Flash 的权重体积为 306 GiB（FP8），比 V4 Flash 更重，但比 GLM-5.3 更易部署。
- 本地部署时，GLM-5.3-Flash 需为视觉模块预留显存，而 V4 Flash 可通过独立 Vision-Exp 实现多模态功能。
金融投研任务表现：
- 估值任务：GLM-5.3 综合排名第一，具备完整的产品拆解、三表联动与敏感性分析，但需人工复核部分假设；GLM-5.3-Flash 排名第二，模型结构完整，但三表简化。
- 回测任务：GLM-5.3 交付完整数据链与纠错过程，但未考虑交易摩擦；GLM-5.3-Flash 样本期更长，但执行偏研究口径，缺乏交易约束。
- 行业研究任务：GLM-5.3 公司覆盖广、数据更新及时；GLM-5.3-Flash 页面多，但原始资料与反链较弱；V4 Pro 提供了更完整的 Wiki 知识库与来源治理。

关键信息

1.1 模型定位与架构基础

模型	底座	上下文	最大输出	输入模态	接口	是否支持多模态
GLM-5.3	GLM-5.2	1M	128K	文本	OpenAI Chat Completions、Responses、Anthropic	否
GLM-5.3-Flash	新底座（320B/18B）	1M	128K	文本/图像/视频	Chat Completions	是

1.2 模型通用能力评价

评测基准	GLM-5.2	GLM-5.3	GLM-5.3-Flash	提升幅度
HLE (w/ tools)	54.7	62.5	55.3	+14.3% / +1.1%
Terminal Bench 2.1	81	88.2	84.3	+8.9% / +4.1%
DeepSWE v1.1	46.2	66.9	63.4	+44.8% / +37.2%
Toolathlon Verified	59.9	73	78.4	+21.9% / +30.9%
AutomationBench v1.0.6	26.2	48.2	48.8	+84% / +86.3%

1.3 API 价格与性价比分析

模型	缓存命中（元/百万 Token）	未命中输入（元/百万 Token）	输出（元/百万 Token）	价格优势
GLM-5.3	2	8	28	与 5.2 同价，无峰谷
GLM-5.3-Flash	0.23（标价） / 0.115（折扣）	0.8（标价） / 0.4（折扣）	2.8（标价） / 1.4（折扣）	标价约 5.3 的 1/10，折扣约 1/20

1.4 本地部署可行性分析

指标	GLM-5.3-Flash	DeepSeek V4 Flash
总参数/激活	320B / 18B	284B / 13B
官方权重体积	约 306 GiB (FP8)	约 167GB (FP4+FP8)
长上下文设计	稀疏+线性注意力、IndexPool	MXFP4 用于 Indexer QK
模态支持	原生文本/图像/视频	文本，视觉为独立模块
部署成本	较高	较低

2.1 估值任务实测结果

模型	工作表数	底稿可复算	数据完整度	Excel 质量	投资建议逻辑	综合表现
GLM-5.3	10	是	16 份查询、8 篇研报	分产品量价贯通三表与估值	报告与模型同源	第一
GLM-5.3-Flash	10	是	历史财务、两分部量价	跨表公式可重算	报告与模型方向一致	第二
DeepSeek V4 Pro	12	否	历史财务、2026Q1、盈利预测	公式错位、修改假设无法更新	报告审慎	第五
DeepSeek V4 Flash	10	是	历史财务、经营预测、三表	跨表联动完整	报告逻辑自洽	第三
Kimi K3	10	否	历史财务、盈利预测	公式错误影响联动	报告逻辑自洽	第四

2.2 回测任务实测结果

模型	样本期	调仓期	回测逻辑	交易摩擦处理	底稿质量	报告质量
GLM-5.3	2014.01-2026.06	150 期	数据链完整、纠错过程	未扣成本、未设执行日	保留完整数据链	报告说明因子定义与局限
GLM-5.3-Flash	2006.08-2026.08	241 期	交易摩擦处理不足	未设执行日、未扣成本	数据链完整	报告说明因子定义与局限
DeepSeek V4 Pro	2014.01-2026.06	150 期	使用次日收盘、扣除单边成本	有部分细节问题	保留数据链	报告说明因子定义与局限
DeepSeek V4 Flash	2014.01-2026.06	150 期	使用月末收盘、等权合成	未扣成本、未设执行日	数据链完整	报告说明因子定义与局限
Kimi K3	2014.01-2026.06	150 期	交付代码、Excel 和 CSV	数据链不完整	报告说明因子定义与局限	报告说明因子定义与局限

2.3 行业研究任务实测结果

模型	报告完整性	Wiki 资源	数据来源	投资框架	综合表现
GLM-5.3	完整	LLM Wiki 索引、目录复核	数据来源清单	投资框架完整	第一
GLM-5.3-Flash	页面多	LLM Wiki 索引	原始资料和反链偏弱	投资框架完整	第二
DeepSeek V4 Pro	报告完整	Wiki 知识库	数据来源清单	投资框架完整	第三
DeepSeek V4 Flash	报告完整	Wiki 知识库	数据来源清单	投资框架完整	第四
Kimi K3	报告完整	Wiki 知识库	数据来源清单	投资框架完整	第五