猜你想问
智谱AI发布的GLM-5.3和GLM-5.3-Flash模型有哪些核心功能特点？
智谱AI发布的GLM-5.3模型于2026年8月14日推出，采用与GLM-5.2相同的架构，原生支持100万上下文token，专注于文本处理，主要提升了长城工程和工具执行能力。GLM-5.3-Flash模型则于2026年8月26日发布，是GLM系列首个原生多模态底座，参数达到320B、激活18B，支持文本、图像、视频，特别强调工具编排和自动化能力。GLM-5.3在深度推理和安全能力上表现优于DeepSeek-V4 Pro，而GLM-5.3-Flash的多模态原生能力与DeepSeek-V4 Pro相当。
GLM-5.3和GLM-5.3-Flash在金融投研实测中的表现如何？
在金融投研实测中，GLM-5.3在估值任务中表现最佳，能够完成财报拆解、三表与估值模型联动，交付完整可重算的投资分析报告。GLM-5.3-Flash表现次之，但在回测任务中，GLM-5.3存在收益取错、交易时点未严格处理的问题，而GLM-5.3-Flash的底稿质量有所降低。在行业研究任务中，GLM-5.3和GLM-5.3-Flash在覆盖公司和数据广度上表现良好，但存在微弱幻觉。DeepSeek-V4 Pro在回测任务中表现最佳，而在行业研究任务中排名第一。
多模态AI在金融行业的应用趋势如何？
多模态AI在金融行业的应用趋势主要体现在提升数据分析的全面性和自动化水平。GLM-5.3-Flash作为GLM系列首个原生多模态模型，支持文本、图像、视频的融合处理，能够更高效地分析金融数据，特别是在资产评估、风险控制和客户服务等场景中展现出巨大潜力。未来，多模态AI有望通过工具编排和自动化能力，进一步优化金融投研流程，提高决策效率。
报告对GLM-5.3和GLM-5.3-Flash的市场定位有何评价？
报告认为GLM-5.3适合用于资料检索、结构化取数和研究底稿生成，但在细节处理上略逊于DeepSeek-V4 Pro。GLM-5.3-Flash则因其高性价比和原生多模态能力，成为核心推荐的多模态投研工具，特别适合未命中缓存场景。然而，GLM-5.3-Flash在本地部署优化方面存在不足，资源需求为DeepSeek-V4 Flash的1.5倍，且部分任务存在幻觉和交易逻辑漏洞，需要人工校验。
投资GLM-5.3和GLM-5.3-Flash模型需关注哪些风险？
投资GLM-5.3和GLM-5.3-Flash模型需关注本地部署优化不足的风险，GLM-5.3-Flash的资源需求较高，为DeepSeek-V4 Flash的1.5倍，可能增加使用成本。此外，部分任务存在幻觉和交易逻辑漏洞，如GLM-5.3在回测任务中的收益取错和交易时点处理问题，以及GLM-5.3-Flash的底稿质量降低，都需要人工校验。这些风险提示投资者在使用过程中需谨慎评估模型的适用性和可靠性。