大模型赋能投研系列之三十：GLM-5.3与GLM-5.3-Flash金融投研能力评测

GLM-5.3与GLM-5.3-Flash金融投研能力评测

模型概述

• GLM-5.3：基于GLM-5.2底座（744B参数/40B激活），通过后训练提升能力，专注于长程Agent、复杂编程和工具执行，支持1M上下文和最大128K输出，思考强度可控（low/high/max）。
• GLM-5.3-Flash：全新320B/18B多模态底座，支持文本、图像和视频，权重MIT开源，效率更高（注意力计算量约1/3，KV Cache约1/4.4），适合低成本、多模态任务。

模型能力评价

• 通用能力：两款模型在后训练提升上集中在长程工程和工具执行，5.3在DeepSWE、AutomationBench等基准测试中显著领先；5.3-Flash工具和自动化能力更强，接近甚至局部超越旗舰模型。
• Agent能力：5.3与V4 Pro同处第一梯队，多数项略高；5.3-Flash在DeepSWE、Toolathlon等测试中明显强于V4 Flash。

API价格与性价比

• GLM-5.3：与5.2同价，未命中输入8元、输出28元/百万Token，无峰谷。
• GLM-5.3-Flash：标价0.8/2.8元（约5.3的1/10），限时5折后约1/20，Coding Plan额度约5.3的3倍，非高峰积分对折。

本地部署

• GLM-5.3-Flash：官方FP8权重约306GiB，比V4 Flash重，但比5.3轻，适合多卡环境部署。

三类金融投研任务实测

• 估值任务：
  • GLM-5.3：表现最佳，量价假设贯通三表和DCF，可重算，报告与模型口径一致。
  • GLM-5.3-Flash：公式联动较完整，但“三表”简化，报告关键来源未完整留存。
  • DeepSeek V4 Pro：报告逻辑自洽，结论审慎，但估值模型公式存在错位。
  • DeepSeek V4 Flash：模型联动完整，但经营预测拆解仍有完善空间。
  • Kimi K3：报告逻辑自洽，但估值模型联动较弱。
• 回测任务：
  • GLM-5.3：数据链与纠错过程完整，但未严格处理时点和交易摩擦。
  • GLM-5.3-Flash：样本期长、底稿齐全，但执行仍偏研究口径，未扣成本。
  • DeepSeek V4 Pro：计入成本并滞后一日成交，但持有期口径未完全对齐。
  • DeepSeek V4 Flash：唯一计入交易成本，但信号与执行时点存在偏差。
  • Kimi K3：交付较完整，但交易时点与交易约束处理不足。
• 行业研究任务：
  • GLM-5.3：公司与数据覆盖最广，Wiki来源反链仍需完善。
  • GLM-5.3-Flash：实体覆盖较广，但原始资料与来源反链不足。
  • DeepSeek V4 Pro：Wiki沉淀完整，投资框架可复算，来源可追溯。
  • DeepSeek V4 Flash：覆盖最广，但知识库关联薄弱。
  • Kimi K3：投资框架清晰，但Wiki沉淀不足。

总结

• GLM-5.3：适合资料检索、结构化取数、研究底稿和模型初稿生成，擅长长程任务执行，但投研场景仍需人工复核。
• GLM-5.3-Flash：适合低成本、多模态任务，工具和自动化能力强，但知识库内容和来源沉淀相对不足。
• 综合表现：DeepSeek V4 Pro在估值和行业研究任务中表现最佳，GLM-5.3在估值任务中表现最佳，GLM-5.3-Flash在回测任务中表现最佳。