大模型赋能投研系列之三十：GLM-5.3与GLM-5.3-Flash金融投研能力评测

GLM-5.3与GLM-5.3-Flash金融投研能力评测

模型概述

• GLM-5.3：基于GLM-5.2底座（744B参数/约40B激活），通过后训练提升长程Agent、复杂编程和工具执行能力，支持1M上下文、最大输出128K，思考强度可控（low/high/max），价格与GLM-5.2相同。
• GLM-5.3-Flash：全新320B/18B多模态底座，支持文本、图像和视频，权重MIT开源，效率更高（注意力计算量约1/3，KV Cache约1/4.4），价格约为GLM-5.3的1/10。

模型能力评价

• 通用能力：两款模型在DeepSWE、AutomationBench等基准测试中显著优于GLM-5.2，尤其在长程工程和工具执行能力提升明显。GLM-5.3与V4 Pro同处第一梯队，多数执行项略高；GLM-5.3-Flash在工具和自动化上接近甚至局部超过旗舰模型。
• API价格：GLM-5.3与GLM-5.2同价，无峰谷；GLM-5.3-Flash标价约为GLM-5.3的1/10，折扣后更低，更适合低成本、多模态场景。
• 本地部署：GLM-5.3-Flash比V4 Flash更轻量，但比5.3更重，适合需要视觉反馈的复杂任务。

三类金融投研任务实测

• 估值任务：
  • GLM-5.3：表现最佳，量价假设贯通三表和DCF，可重算，报告逻辑清晰。
  • GLM-5.3-Flash：公式联动较完整，但“三表”简化，来源留存不足。
  • DeepSeek V4 Pro：报告逻辑自洽，结论审慎，但估值模型公式存在错位。
  • DeepSeek V4 Flash：模型联动完整，但经营预测拆解仍有完善空间。
  • Kimi K3：报告逻辑自洽，但估值模型联动较弱。
• 回测任务：
  • GLM-5.3：数据链与纠错过程完整，但未严格处理时点和交易摩擦。
  • GLM-5.3-Flash：样本期长、底稿齐全，但执行仍偏研究口径。
  • DeepSeek V4 Pro：计入成本并滞后一日成交，但持有期口径未完全对齐。
  • DeepSeek V4 Flash：唯一计入交易成本，但信号与执行时点存在偏差。
  • Kimi K3：交付较完整，但交易时点与交易约束处理不足。
• 行业研究任务：
  • GLM-5.3：公司与数据覆盖最广，Wiki来源反链仍需完善。
  • GLM-5.3-Flash：实体覆盖较广，但原始资料与来源反链不足。
  • DeepSeek V4 Pro：Wiki沉淀完整，投资框架可复算，来源可追溯。
  • DeepSeek V4 Flash：覆盖最广，但知识库关联薄弱。
  • Kimi K3：投资框架清晰，但Wiki沉淀不足。

研究结论

• GLM-5.3适合承担资料检索、结构化取数、研究底稿和模型初稿生成，擅长长程任务执行。
• 投研场景仍需人工复核业务假设、交易约束、数据口径和来源质量。
• 模型能力提升主要集中在长程工程和工具执行，金融口径严格性、交易可执行性和来源治理仍需完善。