一、GPT 5.6 Sol与Kimi K3发布：能力升级与公开表现
- Kimi K3：以超大规模（2.8万亿参数）和开放权重为特色，强化长时间持续执行复杂任务的能力，但发布首日出现推理速度慢和请求无法响应的情况。
- GPT 5.6 Sol：以Token效率为核心，新增Programmatic Tool Calling机制，更适合步骤较多、持续时间较长的复杂工作流，但未披露参数规模。
- 三模型对比：均支持约100万Token上下文，Kimi K3参数规模最大，GPT 5.6 Sol价格较高，GLM-5.2价格最低。综合得分排名：GPT 5.6 Sol（59分）> Kimi K3（57分）> GLM-5.2（51分）。
二、三类金融投研任务实测点评
2.1 估值任务：中际旭创
- Kimi K3：报告逻辑自洽，但估值模型联动较弱，Excel表部分公式错误，底稿未达到直接使用标准。
- GPT 5.6 Sol：模型联动与检查体系最完整，Excel模型可联动更新，报告逻辑一致。
- GLM-5.2：底稿存在多处公式异常，目标价与投资评级出现逻辑冲突，表现相对较差。
- 估值任务能力总结：GPT 5.6 Sol（综合排名第一）> Kimi K3（排名第二）> GLM-5.2（排名第三）。
2.2 回测任务：沪深300成分股
- Kimi K3：交付较完整，但交易时点与交易约束处理不足，底稿质量较好，报告对策略可执行性及回测局限的讨论不够充分。
- GPT 5.6 Sol：交易时点最严谨，底稿最易复核，但首次执行时运行时间过长，回测区间较短，未计入交易成本，对跌停股票无法卖出的情况处理不完整。
- GLM-5.2：回测区间最长，但同样没有明确区分信号日和执行日，未计入交易成本和不可交易状态，底稿披露不足，部分图表存在显示不完整的问题。
- 回测任务能力总结：GPT 5.6 Sol（综合排名第一）> Kimi K3（排名第二）> GLM-5.2（排名第三）。
2.3 行业研究任务：半导体设备产业链
- Kimi K3：投资框架清晰，但Wiki沉淀不足，报告和投资框架较为完整，但Wiki实际沉淀的公司页面和来源资料较少。
- GPT 5.6 Sol：研究逻辑和来源管理最规范，报告结构清晰，Wiki保留了来源摘要和综合研究页面，资料追溯最方便。
- GLM-5.2：覆盖范围最广，但逻辑支撑较弱，报告展示效果较好，但部分分析逻辑不够清楚，Wiki来源管理和内部链接不完整。
- 行业研究任务能力总结：GPT 5.6 Sol（综合排名第一）> Kimi K3（排名第二）> GLM-5.2（排名第三）。
三、总结
- GPT 5.6 Sol、Kimi K3和GLM-5.2均已具备完成复杂投研任务的基础能力。
- GPT 5.6 Sol：综合表现最好，三个任务均形成了较完整且逻辑一致的交付结果。
- Kimi K3：分析逻辑基本清楚，但底稿质量和长程执行稳定性弱于GPT 5.6 Sol。
- GLM-5.2：三个任务均存在影响可靠性或可使用性的问题。
风险提示
- 历史规律不代表未来，模型存在失效的风险。
- 策略收益可能因交易成本或其他条件改变而下降甚至出现亏损。
- 大模型输出的内容存在一定的随机性和准确性风险。
- 部分应用本身可能存在一定的安全风险。
- 使用AI生成内容时，需要注意相关版权问题。
