投研Agent模型在估值建模任务中的可复算性缺陷对实际投研工作流有何影响？

从本次测评结果来看，投研Agent模型在估值建模任务中的可复算性缺陷对实际工作流的影响主要体现在三个层面。

第一，底稿与报告结论的脱节风险。Kimi K3的Excel模型中部分关键数据以静态形式呈现，各表之间未形成有效公式联动，核心投资结论页的公式错误导致营收增速、净利润、EPS、DCF目标价等均显示为0或#VALUE!。这意味着投研人员无法通过修改假设参数来快速验证不同情景下的估值结果，底稿失去了作为"可调整分析工具"的核心功能。在实际工作流中，分析师通常需要针对乐观、中性和悲观情景进行多轮测算，静态数据将迫使人工重新搭建模型，反而降低了Agent辅助的效率。

第二，投资逻辑的自我验证失效。GLM-5.2的问题更为严重，其底稿中的公式异常直接影响收入增速、EPS和相对估值等核心数据，同时报告在目标价低于当前股价的情况下仍给出"增持"评级，估值结果与投资建议之间存在明显冲突。这种缺陷若未被及时发现，可能导致基于错误结论的投资决策，且由于底稿无法正常计算，投研团队难以在内部复核环节发现逻辑断裂。

第三，合规与审计层面的隐患。金融投研报告的出具通常需要满足内部合规审查和外部审计要求，模型底稿的可追溯性和可验证性是基础条件。公式错误、引用失效或数据静态化等问题，将使报告无法通过"从假设到结论"的完整证据链检验，在监管问询或法律纠纷中处于不利地位。

针对上述风险，投研人员可采取以下规避措施：在接收Agent生成的估值模型后，优先执行关键假设的敏感性测试，验证修改参数后是否联动更新；建立"检查表"机制，对资产负债表平衡、现金勾稽、WACC与永续增长率关系等核心勾稽关系进行独立验证；对目标价与评级、报告文字与模型结果进行交叉比对，识别潜在逻辑冲突；对于关键项目，保留人工复核环节而非完全依赖Agent输出。GPT 5.6 Sol在本次测评中表现较优，正是因其建立了检查表和来源表机制，并支持假设修改后的全模型联动更新，这一设计思路值得参考。