DeepSeekV4Flash测评以及本地部署方案20260812 导读

导读

• 核心观点：本报告测评了国产金融大模型在金融投研领域的适用能力，重点对比了DCV Flash、4K3和JM5.2等模型在估值建模、多因子回撤、行研究等任务中的表现，并探讨了本地部署方案的可行性。
• 关键数据：DCV Flash模型参数量248B，本地部署成本低，未命中价格1元/100万token（远低于Kim K3的3美元、GLM5.2的8.8元和K米K3的15美元）；DCRE参数量671B，本地部署需至少四张GB300或八张H200显卡；mac mini或mac studio可运行量化版模型。
• 研究结论：
  • DCV Flash：性价比高，适合本地部署，但在多模能力上有限制。
  • DCRE：性能快，但部署成本高。
  • 4K3：综合表现最佳，尤其在估值建模和逻辑预测上。
  • GPT5.6：底稿量优于4K3，但逻辑预测稍弱。
  • DCV Flash：在估值建模中表现最优，底稿工程量最佳。
  • 沪深300指多头选股：DCV Flash因考虑交易成本和换手率表现最佳。
  • 行业分析：4K3在逻辑拆解和产业链分析上表现突出。
  • 综合建议：结合不同模型优势（如4K3的深度分析与DCB的执行力）优化决策，期待国产模型持续进步。

章节速览

• 国金证券测评国产金融大模型能力及本地部署方案：测评DCV Flash、4K3和JM5.2等模型，强调DCV Flash的本地部署可能性及优势。
• DCB Fetch模型：低成本高性价比，未命中价格低，但非多模模型。
• 本地部署量化版DCRE模型：成本高，推荐个人用户使用量化版模型或mac设备。
• 金融投研任务中模型表现对比：4K3在估值建模中表现最佳，DCV Flash在底稿工程量上最优。
• 估值模型与工程执行能力对比：DCF相关模块中，DCVCP理解能力弱于K3，但工程执行优于K3。
• 量化策略构建与国产模型测评：DCV Flash在交易成本、手续费等方面表现最优。
• 半导体设备产业链分析与模型评价：4K3在逻辑拆解和产业链分析上表现突出，DCB Fetch次之。
• 大模型能力分析与国产模型发展展望：建议结合不同模型优势，期待国产模型持续进步。

要点回顾

• DCV Flash本地部署：模型小巧，本地运行成本低，未命中价格1元/100万token，远低于其他模型。
• DCV Flash局限性：非多模模型，但性价比高，适合有成本要求的用户。
• DCRE与DCV Flash对比：DCRE参数量大，速度慢，部署成本高；DCV Flash参数量小，速度快，成本低。
• 个人用户建议：使用量化版模型或mac设备运行。
• 单机部署RT pro 6000显卡：两张96GB RT pro 6000显卡可达192GB显存，模型输出速度快。
• 金融投研任务表现：4K3在估值建模中表现最佳，DCV Flash在底稿工程量上最优。
• 沪深300指多头选股：DCV Flash因考虑交易成本和换手率表现最佳。
• 行业分析：4K3在逻辑拆解和产业链分析上表现突出。
• 综合建议：结合不同模型优势优化决策，期待国产模型持续进步。

投资框架与行业报告

• 投资框架评分体系：六度评分体系，综合计算最终评分。
• 行业报告覆盖面：覆盖核心公司和海外，提供市值、估值、产业链等数据。
• DCB Fetch优缺点：内容核心但逻辑性稍弱，未回知中的信息。
• 模型综合对比：DCB Fetch执行力强，4K3深度分析能力强，GPT5.6知识覆盖面大但可核查性弱。
• 综合建议：结合不同模型优势优化决策，期待国产模型持续进步。