20260719-国金证券-大模型赋能投研系列之二十三_Kimi_K3超越GPT_5.6了吗_-投研Agent模型能力对比评测_26页_3mb

大模型赋能投研系列之二十：Kimi K3 超越 GPT 5.6 吗？——投研 Agent 模型能力对比评测总结

核心内容

本次报告对比了 GPT 5.6 Sol、Kimi K3 和 GLM-5.2 三款大模型在估值建模、多因子回测和行业研究三类金融投研任务中的表现，旨在评估其在复杂任务中的执行能力和交付质量。报告指出，虽然三款模型均具备完成投研任务的基础能力，但 GPT 5.6 Sol 在任务完成度、研究细节保留、长程执行稳定性方面表现最佳，Kimi K3 在报告结构和分析逻辑方面表现较好，但存在底稿联动和任务执行稳定性问题，GLM-5.2 在任务成本方面具有优势，但在底稿质量、结论逻辑闭环和数据来源完整性方面表现欠佳。

主要观点

1. 任务完成度：三款模型均能够独立完成结构化估值建模、多因子回测和行业研究任务，具备一定的金融投研能力。
2. 模型能力对比：
   • GPT 5.6 Sol：综合表现最佳，具备较强的模型联动性和检查机制，能够生成可复算的模型底稿和逻辑闭环的投资报告。
   • Kimi K3：报告结构和逻辑较好，但底稿联动性不足，存在部分公式错误和任务执行稳定性问题。
   • GLM-5.2：成本最低，但模型质量较差，存在公式报错、结论与估值冲突、数据与报告脱节等问题。
3. 任务执行与交付：
   • GPT 5.6 Sol 的任务执行更为规范，特别是在交易时点的处理上，采用“月末形成信号、下一交易日执行”的方式，有效避免了时点偏差。
   • Kimi K3 在任务执行过程中曾出现数据库连接中断问题，但利用已有数据完成了任务，不影响整体交付。
   • GLM-5.2 虽然回测区间较长，但缺乏对交易成本和不可交易状态的完整处理，且底稿和报告之间缺乏充分的中间过程披露。

关键信息

1. 模型规格与价格

2. 任务表现对比

3. 模型表现排序

• GPT 5.6 Sol：综合排名第一，任务完成度、模型质量、报告逻辑闭环均优于其他模型。
• Kimi K3：综合排名第二，报告结构完整，但底稿联动和执行稳定性不足。
• GLM-5.2：综合排名第三，任务成本最低，但模型质量与报告逻辑存在明显缺陷。

风险提示

• 模型输出结果基于历史数据，不能保证未来表现。
• 策略依赖假设，交易成本变化可能影响收益。
• 模型存在随机性和准确性风险，需注意版权和使用风险。
• 投资建议需结合实际市场情况，不能完全依赖模型输出。

总结

本次评测表明，GPT 5.6 Sol 在金融投研任务中的综合表现最佳，尤其在模型联动、检查机制和逻辑闭环方面具有显著优势。Kimi K3 虽然在报告结构和逻辑方面表现良好，但在底稿联动性和任务执行稳定性方面仍有提升空间。GLM-5.2 以较低的成本和较长的回测区间为优势，但在模型质量、报告逻辑和数据完整性方面表现较弱。未来，随着更多测试和优化，三款模型在金融投研领域的表现仍有进一步提升的空间。