大模型赋能投研系列之三十一：GPT_6 Astra金融测评，投研任务提升明显.pdf

2026年9月3日OpenAI发布的GPT-6 Astra，将大模型的能力重心推向了复杂多步骤任务的端到端执行。该模型支持约105万Token上下文与最高128K Token输出，在OSWorld 2.0、AutomationBench等侧重计算机操作与自动化执行的测试中较前代GPT-5.6 Sol提升显著，单项任务耗时缩短约47%。然而，其标准API加权价格约为7.70美元/百万Token，显著高于同期参评的其他四款模型，其实用价值高度依赖于任务完成度的实质性改善。

评测设计与对象

为还原真实金融Agent的工作流程，国金证券选取GPT-6 Astra、GPT-5.6 Sol、Kimi K3、GLM-5.3和DeepSeek V4 Pro五款前沿模型，采用统一的结构化提示词，针对估值建模、多因子回测和行业研究三类典型投研任务展开横向实测，重点考察模型从理解需求到形成最终交付物的长程任务能力。

核心实测结论

在三项任务中，GPT-6 Astra均排名第一。在估值建模任务中，其将分产品销量、ASP及成本假设完整贯通至三张报表与DCF估值，底稿联动无公式报错；在多因子回测任务中，其严格处理了历史成分股还原与财务披露时点，并完整模拟了交易成本、现金账户及涨跌停等不可交易状态；在半导体设备行业研究任务中，其构建了包含63个公司实体页与83个来源页的Wiki知识库，实现了报告、数据库与知识库的双向链接。

其他模型呈现差异化特征：GLM-5.3在量价拆解与A股结构化数据覆盖上占优；GPT-5.6 Sol在模型规范性与时点处理上较为严谨；DeepSeek V4 Pro在来源治理上表现突出；Kimi K3能搭建基本框架但底稿联动较弱。

应用边界

大模型输出存在随机性，历史规律不代表未来。投研场景中，程序侧检查公式、字段、时点，以及分析师侧复核业务假设、数据口径的两道人工验收环节仍不可省略。