【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-260719（26页）.pdf

核心数据速览： Artificial Analysis综合得分：GPT 5.6 Sol 59分（第2）、Kimi K3 57分（第3）、GLM-5.2 51分（第10）。 估值工作表数：GPT 12个、Kimi 10个、GLM 10个。 Kimi K3参数规模：2.8万亿（全球最大开源模型之一）。 GLM-5.2行业覆盖：20家公司实体页（三款最多）。 GPT回测区间：2020-2026年（78个截面）。 GLM回测区间：2016-2026年（最长）。 Kimi K3上下文长度：100万Token。 GPT 5.6 Sol API价格：输入5美元/百万Token，输出30美元/百万Token。H2：报告核心数据解读。H3：三模型综合排名——GPT第一，Kimi第二，GLM第三。GPT 5.6 Sol在三类任务中表现最均衡：估值模型支持假设联动更新全表，回测明确区分信号日与执行日，行业研究来源管理最规范。Kimi K3报告逻辑清晰但底稿联动弱，GLM覆盖最广但逻辑与底稿问题较多。Artificial Analysis Intelligence Index排名：GPT 59分/第2，Kimi 57分/第3，GLM 51分/第10。H3：估值建模——GPT联动最好，Kimi逻辑自洽，GLM公式错误。GPT 5.6 Sol：12工作表+检查表+来源表，修改假设自动联动全表，投资评级与目标价一致。Kimi K3：10工作表，“销量×单价”拆解收入，报告自洽但ExcelVALUE！错误，无法联动。GLM-5.2：10工作表，DIV/0！和REF！错误，目标价980元低于股价1194.90元仍给“增持”，逻辑冲突。H3：回测与行业研究——GPT最严谨，Kimi最详细，GLM覆盖最广。GPT回测明确“月末信号、下月执行”，避免前视偏差，底稿可完整追溯。Kimi保留代码、每期选股和组合净值，可检查性最好，但未区分信号日与执行日。GLM回测区间最长（2016-2026年）但未披露调仓记录，结果难复核。行业研究：GPT来源管理最规范（4个来源摘要页），Kimi六维评分框架清晰但Wiki实体少，GLM覆盖20家公司但逻辑支撑较弱。H2：报告独有数据价值——模型能力级颗粒度。 Artificial Analysis综合排名：GPT 5.6 Sol 59分（第2）、Kimi K3 57分（第3）、GLM-5.2 51分（第10）。 模型规格对比：Kimi K3总参数2.8T/上下文1M/输出价格15美元；GPT 5.6 Sol上下文1.05M/输出30美元；GLM-5.2总参数744B/上下文1M/输出28元。 估值任务：GPT 12工作表（含检查表+来源表），修改假设联动全表；Kimi 10工作表，“销量×单价”拆解，但VALUE！错误致营收增速/净利润/EPS为0；GLM 10工作表，DIV/0！和REF！错误，目标价980元<股价1194.90元仍给“增持”。 回测任务：GPT区间2020-2026（78截面），明确“月末信号/次月执行”，处理停牌/涨停/缺失值；Kimi保留代码+每期选股+组合净值，但未区分信号日与执行日；GLM区间2016-2026最长，但“组合净”与“组合毛”收益一致（未扣成本），未披露调仓记录。 行业研究：GPT 4个来源摘要页（来源管理最规范）+四层公司筛选；Kimi六维评分（20%/20%/20%/15%/15%/10%），但Wiki仅2个实体页；GLM 10个实体页（覆盖最广），但无来源层可追溯。 公开基准成绩：DeepSWE（GPT 73.0/Kimi 67.5/GLM 46.2）、ProgramBench（GPT 77.8/Kimi 77.8/GLM 63.7）、FrontierSWE（GPT 71.3/Kimi 81.2/GLM 74.4）。 API价格：GPT输入5美元/百万Token/输出30美元；Kimi输入3美元/缓存0.3美元/输出15美元；GLM输入8元/输出28元。H2：谁需要这份报告？ 金融科技与量化研究员：需要全面了解大模型在金融投研场景中的实际能力表现。 资管机构IT与数字化转型部门：需要评估大模型投研工具的选型与部署方案。 AI投研产品开发者：需要了解不同模型在估值、回测、研究三类任务中的优劣势。 量化策略研究员：需要评估大模型在多因子回测中的数据处理与逻辑严谨性。 行业研究员与投资经理：需要了解大模型辅助生成研究报告和估值模型的质量水平。FAQ。Q1：报告包含哪些核心数据模块？报告涵盖三模型综合能力排名、Artificial Analysis得分、三类投研任务详细对比（估值工作表数/联动能力/回测区间/交易时点处理/行业覆盖数/来源管理）、公开基准成绩、API价格与规格对比等五大模块。Q2：GPT 5.6 Sol在哪些方面表现最好？估值建模中Excel模型修改假设可联动更新全表，设检查表和来源表，可复算性最强；回测中明确采用“月末信号、下一交易日执行”避免前视偏差，交易时点最严谨；行业研究中来源管理最规范，建立来源摘要页和综合研究页。Q3：Kimi K3的主要优势和不足是什么？优势：估值任务“销量×单价”预测逻辑直观、报告自洽；回测保留代码和每期选股明细可检查性好；行业六维评分框架清晰可复算。不足：Excel缺少联动致VALUE！错误；回测未区分信号日与执行日；Wiki仅2个实体页，知识库沉淀不足。测试在发布首日进行，响应速度可能受服务负载影响。Q4：GLM-5.2在哪些方面有改进空间？估值模型公式异常（DIV/0！/REF！）致核心数据无法计算；目标价低于股价仍给“增持”，逻辑冲突。回测未披露调仓记录和组合净值，结果难以复核。行业研究覆盖20家公司但投资框架逻辑不够清楚，未建立来源摘要页。覆盖内容丰富但可靠性需提升。Q5：金融机构如何选择合适的大模型？建议根据具体场景选择：需要高质量可复核交付物（估值模型、深度研究）选GPT 5.6 Sol；需要快速构建研究框架和投资逻辑选Kimi K3；需要广覆盖概览选GLM-5.2。所有模型交付物均需人工复核，不可完全替代专业分析师。完整PDF报告包含内容。以下为报告完整版包含的核心内容模块（基于国金证券《Kimi K3超越GPT5.6了吗？——投研Agent模型能力对比评测》研究报告）： Kimi K3与GPT 5.6 Sol发布背景与能力升级。 三模型公开规格与API价格对比。 Artificial Analysis Intelligence Index排名。 估值建模任务完整对比（工作簿结构/预测逻辑/Excel质量/投资报告）。 多因子回测任务完整对比（交付结果/数据处理/回测逻辑/底稿质量）。 行业研究任务完整对比（报告覆盖/Wiki知识库/投资框架/来源管理）。 三模型综合排名与各任务表现总结。 金融机构应用建议与风险提示。延伸阅读：如需了解行业趋势与战略洞察，可返回查看本报告深度分析页面。数据来源说明：以上内容基于国金证券《Kimi K3超越GPT5.6了吗？——投研Agent模型能力对比评测》（2026年7月18日）研究报告。