20260816-国金证券-大模型赋能投研系列之二十八_DeepSeek_V4_Pro金融投研能力评测_27页_4mb

DeepSeek V4 Pro 金融投研能力评测总结

核心内容概述

本报告对 DeepSeek V4 Pro、Kimi K3 和 GLM-5.2 三款模型在金融投研任务中的表现进行了评测，重点考察估值建模、多因子回测和行业研究三项任务。评测结果显示，DeepSeek V4 Pro 在 Agent 能力、API 价格和 Harness 架构上实现了显著提升，但各模型在实际任务执行中仍存在一定的差距。

主要观点

1. DeepSeek V4 Pro 的能力跃升

   • 采用 MoE 架构，总参数 1.6T，单 Token 激活参数 49B，支持 100 万 Token 上下文。
   • 在多个 Agent 基准测试中表现优异，例如 HLE、TerminalBench、DeepSWE、Toolathlon-Verified 和 AutomationBench，分别提升 24.5%、21.9%、389.8%、32.6% 和 148.4%。
   • 支持多种接口（Chat Completions、Responses、Anthropic）和三档思考强度（low、high、max），满足不同场景下的需求。
   • 引入 DeepSeek Harness 开发者预览版，采用“一切皆插件”架构，实现模型与执行环境的解耦，增强执行系统的灵活性与可扩展性。

2. API 价格与成本分析

   • 自 2026 年 8 月 17 日起，DeepSeek V4 Pro 采用峰谷定价策略，空闲时段价格为高峰时段的一半。
   • 在“100 万未命中输入+20 万输出”的长程任务场景下，V4 Pro 空闲和高峰成本分别为 7.2 元和 14.4 元，相较于 Kimi K3、Claude Opus 和 GLM-5.2 具有明显成本优势。
   • 价格调整反映了模型定位从“低价”转向“灵活调度”，适合夜间批量任务和复杂长程任务。

3. Harness 的开放架构

   • 提供 Standard、PTC、Minimal 和 Creator 四种模式，支持不同执行环境和工具权限配置。
   • 采用追加式会话日志，支持轨迹查看、恢复、分叉和回放，提升模型执行的可追溯性和审计能力。
   • 仍处于开发者预览阶段，存在兼容性风险，需注意插件签名、最小权限、版本锁定和审计策略。

4. 金融投研任务实测结果

   • 估值任务：Kimi K3 表现最佳，采用“分产品销量×单价”的方式，颗粒度最细；DeepSeek V4 Pro 次之，但存在关键公式错位问题；GLM-5.2 最差，公式错误导致无法复算。
   • 回测任务：DeepSeek V4 Pro 表现最优，考虑了交易成本和停牌处理，但持有期口径仍需优化；Kimi K3 次之，未处理涨跌停约束，回测结果可能高估收益；GLM-5.2 最差，未扣成本，逻辑闭环不足。
   • 行业研究任务：DeepSeek V4 Pro 表现最好，投资框架可复算，数据来源清晰；Kimi K3 次之，但 Wiki 沉淀不足；GLM-5.2 最差，缺乏评分权重和计算方法，结论无法还原。

关键信息汇总

1. 模型规格与性能

2. API 价格对比（单位：元/百万 Token）

3. 金融投研任务表现排名

总结

DeepSeek V4 Pro 在模型性能、API 价格和执行系统方面实现了全面升级，特别是在 Agent 能力和 Harness 架构上具有显著优势。虽然其在部分金融投研任务中表现优异，但在公式准确性、任务复算性和交易约束处理上仍存在改进空间。与 Kimi K3 相比，V4 Pro 在成本和执行系统上更具竞争力；与 GLM-5.2 相比，其在任务结构和逻辑完整性上更优。总体而言，DeepSeek V4 Pro 的竞争力已从单一模型能力转向模型与执行系统的协同，为金融机构提供了更具生产力的工具选择。