大模型赋能投研系列之二十八：DeepSeek V4 Pro金融投研能力评测.pdf

DeepSeek V4 Pro正式版于2026年8月13日上线，核心升级在于Agent执行能力跃升与Harness开放架构。本报告通过估值建模、多因子回测及行业研究三类真实投研任务，对比评测DeepSeek V4 Pro、Kimi K3与GLM-5.2的实际表现。

技术架构与定价策略

V4 Pro采用MoE架构，支持100万Token上下文，引入low/high/max三档思考强度。API改用峰谷定价，空闲时段成本显著低于竞品，兼具前沿Agent能力与成本优势。Harness插件化架构实现了模型与执行环境的解耦，增强了任务的可追溯性与安全性。

三大投研任务实测结果

估值建模任务中，Kimi K3因预测颗粒度细排名第一，V4 Pro因Excel公式错位居次，GLM-5.2因核心公式异常排末。多因子回测任务中，V4 Pro因严格处理交易成本、区分信号与执行时点且底稿可复核排名第一，Kimi K3因未扣成本居次，GLM-5.2因过程披露不足排末。行业研究任务中，V4 Pro凭借完整的Wiki知识库沉淀、可复算的投资框架及来源追溯能力排名第一，Kimi K3因知识库沉淀不足居次，GLM-5.2因逻辑支撑弱排末。

核心结论

大模型投研能力差异主要体现在底稿可复核性、交易约束处理及来源追溯上。V4 Pro在长程复杂任务与知识沉淀方面展现较强竞争力，但需注意其在特定场景下的公式准确性风险。机构应用时需建立严格的审计与校验机制。