大模型赋能投研系列之二十八：DeepSeek V4 Pro金融投研能力评测

DeepSeek V4 Pro正式版：Agent能力跃升、Harness开放

核心观点： DeepSeek V4 Pro正式版将后训练重点转向生产环境中的Agent执行能力，并通过Harness开放平台提升模型与业务工具的协同效率。

关键数据：

• V4 Pro采用MoE架构，总参数1.6T、单Token激活参数49B，原生支持100万Token上下文，API最大输出长度为384K。
• V4 Pro在HLE工具增强、TerminalBench2.1、DeepSWE、Toolathlon-Verified和AutomationBenchPublic上分别提升24.5%、21.9%、389.8%、32.6%和148.4%。
• V4 Pro空闲/高峰成本约7.2/14.4元，空闲价约为Kimi K3的17%、ClaudeOpus 4.8的10%，即使高峰时段也仍约为Kimi K3的34%。

研究结论：

• 估值任务： Kimi K3排名第一，DeepSeek V4 Pro排名第二，GLM-5.2排名第三。Kimi K3收入预测颗粒度最细，V4 Pro报告口径更新、结论审慎，但Excel关键公式存在系统性错位，GLM-5.2底稿存在公式错误与结论冲突。
• 回测任务： DeepSeek V4 Pro排名第一，Kimi K3排名第二，GLM-5.2排名第三。V4 Pro计入成本并滞后一日成交，底稿完整、可逐期复核；Kimi K3交付较完整，但交易时点与交易约束处理不足；GLM-5.2过程披露不足，结果较难复核。
• 行业研究任务： DeepSeek V4 Pro排名第一，Kimi K3排名第二，GLM-5.2排名第三。V4 Pro Wiki沉淀完整，投资框架可复算；Kimi K3投资框架清晰，但Wiki沉淀不足；GLM-5.2知识库覆盖面最大，但缺少评分权重与计算方法，结论无法还原。

总体而言， DeepSeek V4 Pro在回测和行业研究任务中表现最好，Kimi K3在估值任务中表现最好，GLM-5.2在三项任务中均排名靠后。各任务同时暴露出一些共性问题，包括预测方法的颗粒度、Excel公式与底稿的可复核性、交易时点与交易成本处理、知识库的来源追溯等。