六大国产大模型金融财报分析能力深度评测：AI“金融分析师”的实战表现

TL;DR：

本次评测深入分析了DeepSeek、千问、混元、文心、Kimi与智谱六大国产大模型在金融财报分析领域的表现。评测结果显示，在财报数据提取、内部计算、信息归纳及初步风险识别等核心任务上，多数模型已展现出不俗的实力和实用价值；然而，在联网获取并准确比对外部金融数据方面，所有模型均存在显著不足，仍需谨慎对待。

工具对比：核心能力全面比较

随着AI大模型技术的快速发展，其在处理复杂文本和数据方面的潜力，正逐步渗透到金融分析等专业领域。特别是面对冗长繁复的财务报告，AI被寄予厚望，有望成为提升效率、辅助决策的“金融分析师”¹。本次评测聚焦六大国内主流大模型——深度求索（DeepSeek-R1）、阿里千问（Qwen3-235B-A22B）、腾讯混元（Hunyuan-T1）、月之暗面（Kimi-K1.5）、_百度文心（ERNIE-X1-Turbo）和_智谱（GLM-4-Plus），通过“分层进阶”的测试逻辑，从基础数据处理到高级策略洞察，全面评估其财报分析能力。

评测维度与通用表现概览：

本次评测设计了四个层级共六个维度的问题，旨在全面考察大模型作为“AI财务分析师”的综合素质。所有模型均针对一份虚拟的“美团-2025年第1季度”财务报告，输入相同的Prompt进行测试，以确保评测的公平性和一致性。

1. 精准的数据提取能力

   • 目标： 从PDF财报中准确提取关键财务数据、特定费用项目及管理层业务亮点。
   • 表现： 所有参评模型均能顺利完成核心财务数据和特定项目费用的提取，准确率高。其中，ERNIE-X1-Turbo、Hunyuan-T1、_Kimi-K1.5_和_Qwen3-235B-A22B_还提供了将单位由千元转换为亿元的贴心功能，更符合用户习惯。对于非财务关键信息，各模型提取的业务亮点虽侧重点略有不同，但普遍集中于核心业务增长、新业务发展及用户权益保障等重要方面。

2. 严谨的计算与核验能力

   • 目标： 基于提取数据计算核心财务指标（如毛利率、流动比率）并解释其含义；核实管理层业绩声明的准确性。
   • 表现： _Kimi-K1.5_在此项测试中表现不佳，出现了计算错误和对财务科目的错误识别（如将“现金及现金等价物”误认为“流动资产总额”）。而其他模型则均能正确计算并解释财务比率。在管理层声明核验方面，所有模型均能正确计算并验证给定说法的准确性。值得一提的是，_DeepSeek-R1_和_Hunyuan-T1_在给出结论的同时，还能提供业务意义或潜在风险提示，展现了更深度的分析能力。

3. 高效的归纳与提炼能力

   • 目标： 为不同受众（如普通投资者）提炼核心要点；总结管理层讨论中的主要挑战。
   • 表现： 各模型在摘要生成方面表现良好，能以数据为支撑给出正确结论。 DeepSeek-R1、Hunyuan-T1、_Kimi-K1.5_和_Qwen3-235B-A22B_的条理化分点罗列使得结论更清晰。_DeepSeek-R1_的“赚钱能力飙升”、“家底厚抗风险”等通俗化语言风格是一大亮点。在特定章节摘要方面，所有模型均展现了准确的信息定位和逻辑归纳能力。DeepSeek-R1、_ERNIE-X1-Turbo_和_Qwen3-235B-A22B_在回答中加入相关数据，提升了说服力，_DeepSeek-R1_甚至能标注信息来源。

4. 敏锐的风险与情感识别能力

   • 目标： 识别财报中隐含的业务风险；判断报告传递的整体情绪基调（乐观、谨慎、悲观）。
   • 表现： 在分析潜在业务风险时，除_Kimi-K1.5_外，其他模型均能根据财报信息分条列举潜在风险，而_Kimi-K1.5_则倾向于从宏观层面分析，未能深挖财报隐含信息，甚至一度给出过多的、令人困惑的风险列表。DeepSeek-R1、Hunyuan-T1_和_Qwen3-235B-A22B_在结构化呈现风险（如“风险种类-驱动事件-财报原文-风险点”）和提供建议方面表现尤为突出，展现了强大的推理能力。在整体情绪判断上，所有模型均判断为“乐观”，但_DeepSeek-R1、_Hunyuan-T1_和_Qwen3-235B-A22B_采用了更贴近事实的“谨慎乐观”表述，体现了对细节和大局观的平衡把握。

5. 企业策略与定位推断能力

   • 目标： 结合财报和通用知识识别竞争格局；根据财务数据推断竞争策略；评估市场地位。
   • 表现： 六个模型均能准确列出当前市场主要竞争对手（如饿了么、抖音本地生活、京东到家），并将业务线进行对应。_DeepSeek-R1_和_Hunyuan-T1_引用财报原文作为依据，增加了答案的说服力。推断竞争策略是难度最高的任务，需要“数据提取-外部知识比对-商业理论应用-逻辑推理”的完整闭环。_GLM-4-Plus_使用了假设数据导致分析错误，其余模型均提取到正确数据。除_ERNIE-X1-Turbo_外，其他模型均能以行业平均数据作为参照物进行外部知识比对。ERNIE-X1-Turbo、_Hunyuan-T1_和_Kimi-K1.5_能给出“nuanced”（细致入微的）结论，而非简单二选一。对市场地位的评估，所有模型均能结合财报数据和管理层讨论，给出“行业领导者”的判断，论证过程严谨。

6. 融合外部知识的联网比对能力

   • 目标： 通过联网搜索获取竞争对手同期财务数据并进行横向比较。
   • 表现： 本次评测的六个模型在联网信息搜集能力上均不理想。 尽管在销售毛利率方面，DeepSeek-R1、_ERNIE-X1-Turbo_和_Hunyuan-T1_能获取大部分正确数据，但在流动比率和资产负债率等更复杂的指标上，没有一个模型能够获取全部正确数据。更严重的问题是，_Kimi-K1.5_和_Qwen3-235B-A22B_存在未获取到数据或编造数据的情况；_GLM-4-Plus_和_Hunyuan-T1_频繁出现编造数据的问题，_GLM-4-Plus_甚至搜索到无关网页并编造虚假数据，对用户造成极大困扰。这表明AI大模型在联网搜索时，几乎不会优先查询权威数据渠道，且缺乏对信息真伪的辨别能力。

性能PK：财报分析实测表现

综合六个维度，以下是对各AI工具在金融财报分析方面的性能评估：

• 功能完整性：8.5/10.0
  • 核心财报分析功能（数据提取、计算、归纳、风险识别、策略推断）基本完整，能够辅助用户进行深入分析。但在外部数据整合和准确性方面存在明显短板，限制了其在全面市场对比分析中的应用。
• 易用性：8.8/10.0
  • 所有模型均接受标准Prompt，交互流程简便。部分模型（如_ERNIE-X1-Turbo_、DeepSeek-R1、Hunyuan-T1_和_Qwen3-235B-A22B）在结果呈现上更加清晰或人性化，降低了理解成本。
• 准确性与可靠性：7.0/10.0
  • 内部文档处理的准确性（数据提取、计算、归纳）表现良好，可靠性高。然而，联网搜索获取外部数据的准确性极低且不可靠，存在大量编造或虚假数据的问题，严重影响了整体可靠性。_Kimi-K1.5_在内部计算环节的偶发性错误也拉低了其准确性。
• 性能表现：8.0/10.0
  • （根据评测内容，响应速度和处理效率未直接量化，但所有模型均能完成复杂任务）。在处理逻辑推理和多维度信息整合时，各模型表现出较高效率，能在短时间内生成较为详尽的分析报告。
• 适用场景：8.0/10.0
  • 非常适用于需要快速理解、总结财报核心信息，进行初步财务指标计算和内部风险洞察的用户。对于需要进行跨公司横向对比、依赖实时外部数据的深度分析，目前尚不适用，需配合人工核验。
• 成本效益：不适用
  • 本次评测的AI大模型多为通用型模型，其商业模式多样，部分提供免费试用或API按量付费。评测内容未涉及具体收费标准，且作为免费（或有免费层级）的工具，其核心价值在于提升个人及团队的生产力，而非直接的经济回报。

场景适配与选择建议

从本次评测结果来看，国产大模型在辅助金融财报分析方面已取得了显著进展。它们能够有效减轻人工阅读和提取繁杂财报信息的负担，并提供初步的洞察。

• 对于专业的投资者或财务分析人士： DeepSeek-R1、_Hunyuan-T1_和_Qwen3-235B-A22B_是值得信赖的“助理”。它们不仅在基础数据处理上表现稳定，还能提供有价值的深度洞察，例如更结构化的风险分析、更细致的情绪判断以及在策略推断中引用原文作为支撑，能有效提升工作效率和分析质量。
• 对于普通用户或学生： _ERNIE-X1-Turbo_也是不错的选择。它在各项核心任务上表现稳定，能够胜任快速获取财报核心数据和基本信息的功能，其简洁明了的回答风格也易于理解。

注意事项：

尽管AI大模型在财报分析上展现出巨大潜力，但其在联网获取外部信息方面的不足是一个突出且普遍的问题。所有模型在联网搜索金融数据时都表现不佳，频繁出现无法获取准确数据或编造虚假数据的情况。 在实际应用中，用户绝不应完全依赖AI模型获取或核验重要的外部财务数据，尤其是在涉及投资决策时。任何通过AI获取的外部数据都必须通过权威渠道进行人工核实。

因此，当前的大模型更适合作为提高内部财报处理效率的辅助工具，而非能够独立进行全面市场对比分析的“终极金融分析师”。未来的发展方向，应重点解决外部数据获取的准确性与权威性问题，确保AI在更广阔的金融场景中发挥可靠作用。

综合评分：8.0/10.0

推荐指数：⭐⭐⭐⭐

参考资料

• AI工具评测
• 金融分析AI
• 国产大模型
• 财报分析
• 效率工具