2026年7月31日，DeepSeek发布面向长程Agent任务的新一代模型DeepSeek V4 Flash。为评估其在真实金融研究场景中的综合能力，本次测评将该模型与Kimi K3、GLM-5.2进行横向比较，围绕估值建模、多因子回测和行业研究三类典型金融投研任务展开实测。本次任务更强调复杂工作流下的连续执行与成果交付，要求模型理解较为开放的研究需求，并自主拆解任务、规划执行路径，在多个工具和数据源之间完成协同操作。
　　De epSeek V4 Flash本地部署方案
　　DeepSeek V4 Flash的完整模型规模较DeepSeek R1明显缩小，总参数量仅有284B，提升了完整模型本地部署的可行性。其官方权重采用FP4与FP8混合精度，模型文件总大小约为167GB，官方已给出基于vLLM和SGLang的单机多卡部署方案。此外，Unsloth发布了多种精度的GGUF量化包，可配合llama.cpp进一步降低单机部署门槛。现已有多个社区运行案例也从侧面验证了其本地部署的可行性，其中成功部署的最低配置为单机两张RTXPRO 6000（总显存为192GB）配合GGUF量化包与llama.cpp，其在上下文上限设置为256K、单并发且未启用DSpark的条件下，模型输出速度约为98.33token/s。
　　三类金融投研任务表现
　　综合三类投研任务的表现，三款模型均已具备完成复杂投研任务的基础能力，其中Kimi K3综合表现最佳，预测方法与评分框架的规范性最好，但底稿的规范性和复用性仍有提升空间；DeepSeek V4 Flash的工程实现与数据口径最为规范，底稿可复算性和数据时效性最好，但业务预测拆解较粗；GLM-5.2交付内容较为丰富，但底稿与来源管理问题影响了可用性。需要说明的是，本次结论基于有限次数的测试，受任务样本与提示词设计影响，稳定性有待多轮验证。估值建模方面，DeepSeek V4 Flash底稿的可复现较好，但其以增速驱动收入的预测逻辑，在可信度上略逊于Kimi K3。Kimi K3采用“销量×单价”预测收入，报告逻辑基本自洽，但底稿缺少联动，部分公式错误影响数据复核。GLM5.2的底稿存在多处公式异常，目标价与投资评级也出现逻辑冲突，表现相对较差。
　　多因子回测方面，DeepSeek V4 Flash使用历史实际成分股与历史行业分类，并且是三个模型中唯一扣除交易成本、剔除不可交易个股的模型。Kimi K3保留了Python代码、每期选股、组合收益和净值等结果，计算过程的可检查性较好，但没有明确区分信号日与执行日，也未完整处理交易成本和不可交易状态。GLM-5.2覆盖区间较长，但同样存在交易时点和交易约束问题，中间计算过程的披露也相对不足。
　　行业研究方面，DeepSeek V4 Flash的公司数据库覆盖最全，也是唯一保留原始资料层且无断链的模型，但知识库页面最少、各页之间缺少引用。Kimi K3的报告和投资框架较为完整，但同样存在Wiki内容沉淀不足的问题。GLM-5.2覆盖公司也较多、展示效果较好，但投资框架分析逻辑不够清楚，来源管理和内部链接也不完整。
　　风险提示
　　结果通过历史数据统计、建模和测算完成，历史规律不代表未来；在市场环境发生变化时，模型存在失效的风险;策略依据一定的假设通过历史数据回测得到，当交易成本或其它条件改变时，可能导致策略收益下降甚至出现亏损；大模型输出的内容存在一定的随机性和准确性风险；本文所提炼的观点，基于一定的提示词产生，大语言模型输出的结果可能随着提示词的变化而发生变化。部分应用本身可能存在一定的安全风险，在使用此类应用时，用户需自行承担由此可能引发的任何风险和后果。在使用AI生成内容时，需要注意相关版权问题。用户应确保所使用的工具及其生成的内容符合相关法律法规的要求，避免侵犯他人知识产权。