六大國(guó)產(chǎn)大模型，誰(shuí)是最強(qiáng)“金融分析師”？

每當(dāng)我們翻閱財(cái)報(bào)時(shí)，可能只想或許關(guān)鍵的財(cái)務(wù)信息，但總是受到財(cái)報(bào)中紛繁復(fù)雜的業(yè)務(wù)表述、冗長(zhǎng)的管理層發(fā)言的干擾，需要耗費(fèi)大量精力去甄別有用的財(cái)務(wù)信息。

特別是港股美股，國(guó)內(nèi)的大多數(shù)金融軟件，都是基于國(guó)內(nèi)市場(chǎng)財(cái)務(wù)準(zhǔn)則構(gòu)建的信息展示，面對(duì)非標(biāo)財(cái)務(wù)報(bào)表，總會(huì)出現(xiàn)部分摘取科目的錯(cuò)誤。

進(jìn)入AI大模型時(shí)代之后，這樣的財(cái)務(wù)研究障礙或?qū)⒈还タ恕吘鼓Ｐ妥钌瞄L(zhǎng)的，就是語(yǔ)言文字的總結(jié)歸納和數(shù)據(jù)的計(jì)算。

本文之中，我們即著手對(duì)六大國(guó)內(nèi)主流大模型進(jìn)行評(píng)測(cè)，用以探究下其財(cái)報(bào)分析能力，究竟發(fā)展到什么水平，又存在怎樣的問題？

閱讀提示：鑒于評(píng)測(cè)內(nèi)容過于硬核與篇幅較長(zhǎng)，獲取最終評(píng)測(cè)結(jié)果可直接拉至文報(bào)告底部“結(jié)論”部分。

01 評(píng)測(cè)對(duì)象、邏輯與標(biāo)準(zhǔn)

評(píng)測(cè)對(duì)象我們挑選了國(guó)內(nèi)主流的6大模型：

深度求索（DeepSeek-R1）

阿里千問（Qwen3-235B-A22B）

騰訊混元（Hunyuan-T1）

月之暗面（Kimi-K1.5）

百度文心（ERNIE-X1-Turbo）

智譜（GLM-4-Plus）

評(píng)測(cè)邏輯方面，我們采取了“分層進(jìn)階”的問題構(gòu)建，要想成為一個(gè)優(yōu)秀的“AI財(cái)務(wù)分析師”，必須具備多層次的能力。

因此，我們?cè)O(shè)計(jì)了四個(gè)層級(jí)的測(cè)試，六個(gè)維度的問題，從基礎(chǔ)到高級(jí)，逐步深入：

第一層：基礎(chǔ)信息提取

AI必須具備的最基本的能力，模型必須能夠準(zhǔn)確讀取財(cái)報(bào)。如果數(shù)據(jù)提取都出現(xiàn)錯(cuò)誤，那么分析將變得毫無(wú)意義。

第二層：分析計(jì)算與核驗(yàn)

計(jì)算是模型最擅長(zhǎng)做的事情，但模型還要會(huì)使用數(shù)據(jù)，從“閱讀器”成長(zhǎng)為“分析員”。

第三層：歸納推理與洞察

模型需要看得更深。要能超越字面信息，發(fā)現(xiàn)文字背后隱藏的邏輯。因此圍繞第三層，我們?cè)O(shè)計(jì)了兩個(gè)考核維度，分別是“高效的歸納和提煉能力”以及“敏銳的風(fēng)險(xiǎn)和情感識(shí)別能力”。

第四層：戰(zhàn)略總結(jié)與外部知識(shí)整合

頂尖的分析需要行業(yè)視野，因此要理解企業(yè)的戰(zhàn)略表述。同時(shí)知識(shí)庫(kù)中有限的內(nèi)容是不夠的，模型需要連接外部世界，進(jìn)行橫向比較。為此我們同樣設(shè)計(jì)了兩個(gè)考核維度：“企業(yè)策略與定位的識(shí)別”和“外部信息搜索與整合”。

標(biāo)準(zhǔn)層面，我們對(duì)每一個(gè)模型都輸入相同的prompt（后文中有詳細(xì)提示詞信息），來(lái)保持規(guī)則的統(tǒng)一。

02 六項(xiàng)財(cái)務(wù)分析能力橫評(píng)

1）精準(zhǔn)的數(shù)據(jù)提取能力——模型基礎(chǔ)功底，精準(zhǔn)才是王道

模型能否像一位嚴(yán)謹(jǐn)?shù)臅?huì)計(jì)師，從PDF財(cái)報(bào)中分毫不差地提取關(guān)鍵財(cái)務(wù)數(shù)據(jù)、特定費(fèi)用項(xiàng)目以及管理層提到的業(yè)務(wù)成就。此項(xiàng)能力的表現(xiàn)，直接決定了后續(xù)所有分析的可靠性。我們將重點(diǎn)考察其準(zhǔn)確率和穩(wěn)定性。

Prompt：

Test1.1：請(qǐng)根據(jù)提供的“美團(tuán)-2025年第1季度”財(cái)務(wù)報(bào)告，提取以下關(guān)鍵財(cái)務(wù)數(shù)據(jù)，以表格形式返回結(jié)果：1.營(yíng)業(yè)總收入；2.營(yíng)業(yè)成本；3.凈利潤(rùn)。

Test1.2:請(qǐng)找出并列出以下費(fèi)用項(xiàng)目的具體金額，以表格形式返回結(jié)果：1.研發(fā)費(fèi)用；2.銷售及市場(chǎng)推廣費(fèi)用。

Test1.3:請(qǐng)仔細(xì)閱讀“美團(tuán)-2025年第1季度”財(cái)務(wù)報(bào)告中的“業(yè)務(wù)回顧及展望”部分，總結(jié)出管理層提到的本季度最重要的三個(gè)業(yè)務(wù)亮點(diǎn)或成就。|

評(píng)測(cè)結(jié)論：

本文評(píng)測(cè)的所有模型都順利完成了指定核心財(cái)務(wù)數(shù)據(jù)和特定項(xiàng)目費(fèi)用的提取。

其中，ERNIE-X1-Turbo、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B,還貼心地將財(cái)報(bào)中的單位由千元轉(zhuǎn)變?yōu)閮|元，更加貼合用戶習(xí)慣。

對(duì)于非財(cái)務(wù)關(guān)鍵信息，模型的聚焦點(diǎn)則略有不同，但大多集中于核心本地商業(yè)收入和利潤(rùn)的強(qiáng)勁增長(zhǎng)、閃購(gòu)和即時(shí)零售業(yè)務(wù)的快速發(fā)展、餐飲外賣業(yè)務(wù)的持續(xù)優(yōu)化以及騎手權(quán)益保障體系的升級(jí)等方面。

2）嚴(yán)謹(jǐn)?shù)挠?jì)算與核驗(yàn)?zāi)芰Α恢粫?huì)計(jì)數(shù)，更要會(huì)解釋

在提取數(shù)據(jù)后，模型能否扮演“審計(jì)員”的角色？這包括兩個(gè)層面：

一是能否運(yùn)用正確的公式，基于提取的數(shù)據(jù)計(jì)算出毛利率、流動(dòng)比率等核心財(cái)務(wù)指標(biāo)并解釋其含義；

二是在面對(duì)管理層的業(yè)績(jī)聲明時(shí)，能否獨(dú)立進(jìn)行數(shù)據(jù)核查，判斷其真?zhèn)巍＿@是對(duì)模型邏輯推理和“批判性思維”的直接考驗(yàn)。

Prompt：

Test2.1:根據(jù)“美團(tuán)-2025年第1季度”財(cái)務(wù)報(bào)告中的數(shù)據(jù)，計(jì)算該公司的毛利率。請(qǐng)列出計(jì)算公式、使用的具體數(shù)據(jù)，并解釋這個(gè)毛利率數(shù)值反映了公司怎樣的盈利能力。

Test2.2:請(qǐng)使用“美團(tuán)-2025年第1季度”財(cái)務(wù)報(bào)告中的資產(chǎn)負(fù)債表數(shù)據(jù)，計(jì)算該公司的流動(dòng)比率。請(qǐng)說(shuō)明你使用了哪些數(shù)據(jù)進(jìn)行計(jì)算，并解釋該比率所揭示的公司短期償債風(fēng)險(xiǎn)。

Test2.3:管理層在報(bào)告中聲稱“核心本地商業(yè)的經(jīng)營(yíng)利潤(rùn)率同比提升3.2個(gè)百分點(diǎn)至21.0%”。請(qǐng)根據(jù)財(cái)報(bào)數(shù)據(jù)核實(shí)這一說(shuō)法的準(zhǔn)確性，并說(shuō)明你的判斷依據(jù)。

評(píng)測(cè)結(jié)論：

六個(gè)模型中，僅有Kimi-K1.5未能通過這一項(xiàng)測(cè)試。

Kimi-K1.5明明已經(jīng)獲取到正確的營(yíng)業(yè)收入和營(yíng)業(yè)成本，但在計(jì)算時(shí)卻出現(xiàn)錯(cuò)誤，正確答案應(yīng)為37.4477，而該模型得出的答案為37.49。

圖：Kimi-K1.5計(jì)算毛利率

與此同時(shí)，Kimi-K1.5在計(jì)算流動(dòng)比率時(shí)，將“簡(jiǎn)明綜合財(cái)務(wù)狀況表”中的“現(xiàn)金及現(xiàn)金等價(jià)物”錯(cuò)誤識(shí)別為“流動(dòng)資產(chǎn)總額”，導(dǎo)致另一處計(jì)算錯(cuò)誤。

圖：Kimi-K1.5計(jì)算流動(dòng)比率

而財(cái)務(wù)比率的解釋，各模型均給出了上述財(cái)務(wù)比率的定義以及短期償債能力穩(wěn)健的結(jié)論。

除此之外，不同模型給出的其他信息也有所不同：

DeepSeek-R1：美團(tuán)資產(chǎn)結(jié)構(gòu)的優(yōu)勢(shì)、風(fēng)險(xiǎn)揭示和需關(guān)注的隱患；

ERNIE-X1-Turbo和GLM-4-Plus：未給出其他多余信息；

Hunyuan-T1：安全邊際充足、資產(chǎn)流動(dòng)性結(jié)構(gòu)優(yōu)勢(shì)、流動(dòng)負(fù)債可控及潛在風(fēng)險(xiǎn)點(diǎn)；

Kimi-K1.5：盈利能力較強(qiáng)、成本控制有效、業(yè)務(wù)結(jié)構(gòu)優(yōu)化等盈利能力反映；

Qwen3-235B-A22B：盈利能力、成本控制能力的解釋及行業(yè)對(duì)比。

數(shù)據(jù)核驗(yàn)方面，各模型均正確計(jì)算了2024年和2025年第一季度的經(jīng)營(yíng)利潤(rùn)率，驗(yàn)證了提示詞中的給定說(shuō)法。

值得注意的是，DeepSeek-R1還給出了業(yè)務(wù)意義，而Hunyuan-T1則附帶了潛在風(fēng)險(xiǎn)提示。

3）高效的歸納與提煉能力——從“復(fù)制粘貼”到“提煉精華”

財(cái)報(bào)信息繁雜，能否為不同受眾提煉核心要點(diǎn)，是衡量AI效率的關(guān)鍵。

本項(xiàng)能力考察模型能否像一位資深編輯，既能為普通投資者撰寫一份通俗易懂的200字業(yè)績(jī)摘要，也能精準(zhǔn)概括出管理層在“討論與分析”部分提到的主要挑戰(zhàn)。

我們將評(píng)估其摘要的準(zhǔn)確性、完整性和信息價(jià)值。

Prompt：

Test3.1:請(qǐng)面向一位普通的國(guó)內(nèi)投資者，用不超過200字，總結(jié)這份財(cái)務(wù)報(bào)告最重要的三個(gè)結(jié)論。

Test3.2:請(qǐng)總結(jié)“管理層討論及分析”部分提到的公司面臨的主要挑戰(zhàn)。

評(píng)測(cè)結(jié)論：

整體表現(xiàn)摘要方面，各模型都能夠準(zhǔn)確地以數(shù)據(jù)為支撐給出正確結(jié)論。

其中，DeepSeek-R1、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B能夠?qū)⒔Y(jié)論分條進(jìn)行羅列，結(jié)構(gòu)層次相比另外兩個(gè)模型將結(jié)論放到一段話中更加清晰。

DeepSeek-R1還展現(xiàn)出了另外一個(gè)亮點(diǎn)，即使用“賺錢能力飆升”、“家底厚抗風(fēng)險(xiǎn)”等通俗易懂的語(yǔ)言風(fēng)格。

特定章節(jié)摘要方面，各模型都展現(xiàn)出了良好的信息定位準(zhǔn)確性和歸納與條理性，能夠準(zhǔn)確定位原文位置并對(duì)公司面臨的挑戰(zhàn)進(jìn)行邏輯歸納與分類，以清晰的分點(diǎn)闡述形式呈現(xiàn)，具備較強(qiáng)的可讀性。

其中，DeepSeek-R1、ERNIE-X1-Turbo和Qwen3-235B-A22B都在回答過程中展示了相關(guān)數(shù)據(jù)，使其結(jié)論更具說(shuō)服力，而DeepSeek-R1還額外標(biāo)注了信息來(lái)源。

對(duì)于信息全面性，GLM-4-Plus雖然給出了多種答案，但由于缺乏具體依據(jù)支撐，內(nèi)容略顯空洞；而ERNIE-X1-Turbo則一如既往地延續(xù)了簡(jiǎn)練的回答風(fēng)格。

4）敏銳的風(fēng)險(xiǎn)與情感識(shí)別能力——讀懂字里行間的“弦外之音”

頂尖的分析師能“讀出字里行間的意思”。我們通過本項(xiàng)能力，測(cè)試模型是否具備這種高級(jí)認(rèn)知能力。

它能否識(shí)別出財(cái)報(bào)中未明說(shuō)但隱含的業(yè)務(wù)風(fēng)險(xiǎn);能否綜合業(yè)績(jī)和管理層措辭，對(duì)整份報(bào)告?zhèn)鬟f出的整體情緒基調(diào)（樂觀、謹(jǐn)慎、悲觀）做出準(zhǔn)確判斷。

Prompt：

Test4.1:財(cái)報(bào)是否暗示了任何其他潛在的業(yè)務(wù)風(fēng)險(xiǎn)？請(qǐng)舉例說(shuō)明。

Test4.2:綜合整份財(cái)報(bào)的業(yè)績(jī)數(shù)據(jù)和管理層的措辭，你認(rèn)為這份報(bào)告向投資者傳遞的整體基調(diào)是樂觀、謹(jǐn)慎還是悲觀？請(qǐng)給出你的判斷，并提供至少2個(gè)理由。

評(píng)測(cè)結(jié)論：

在分析潛在業(yè)務(wù)風(fēng)險(xiǎn)時(shí)，除Kimi-K1.5以外的模型都能夠根據(jù)財(cái)報(bào)中提及的說(shuō)法分條列舉潛在風(fēng)險(xiǎn)。

Kimi-K1.5則從宏觀角度出發(fā)，根據(jù)美團(tuán)的主營(yíng)業(yè)務(wù)進(jìn)行分析，并未注重于財(cái)報(bào)中隱藏的信息。

圖：Kimi-K1.5分析潛在業(yè)務(wù)風(fēng)險(xiǎn)

此外，Kimi-K1.5在最初的回答中一次給出了50種風(fēng)險(xiǎn)，令人疑惑。

DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B給出的回答最為清晰，使用固定的結(jié)構(gòu)并明確給出信息來(lái)源，令用戶一目了然，快速明確風(fēng)險(xiǎn)。

DeepSeek-R1首先按照“風(fēng)險(xiǎn)種類”-“驅(qū)動(dòng)事件”-“財(cái)報(bào)原文”-“風(fēng)險(xiǎn)點(diǎn)”的結(jié)構(gòu)進(jìn)行闡述，此后給出財(cái)報(bào)中未明示但可推導(dǎo)的風(fēng)險(xiǎn)，最后給出結(jié)論和針對(duì)投資者的建議。

圖：DeepSeek-R1分析潛在業(yè)務(wù)風(fēng)險(xiǎn)

Hunyuan-T1和Qwen3-235B-A22B也采用了類似的回答結(jié)構(gòu)，在準(zhǔn)確把握核心矛盾的同時(shí)展現(xiàn)了強(qiáng)大的推理能力。

ERNIE-X1-Turbo和GLM-4-Plus采取了分段論述的方式，在每段中闡述了風(fēng)險(xiǎn)的產(chǎn)生原因和財(cái)報(bào)中的論據(jù)出處，內(nèi)容完整但擴(kuò)展內(nèi)容不夠豐富，結(jié)構(gòu)相比上述三個(gè)模型不夠清晰。

整體情緒判斷任務(wù)中，六個(gè)模型給出的整體基調(diào)均為樂觀。

但DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B都直接或間接采用了“謹(jǐn)慎樂觀”的說(shuō)法。

GLM-4-Plus和Kimi-K1.5雖然識(shí)別出了報(bào)告中提及的風(fēng)險(xiǎn)和挑戰(zhàn)，但認(rèn)為瑕不掩瑜。

ERNIE-X1-Turbo的回答中則沒有提到任何悲觀因素。

由此可知，DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B通讀全文并把控整體情緒的同時(shí)，對(duì)于細(xì)節(jié)的理解和大局觀都要略勝一籌，具備兼顧“事實(shí)”和“情感”的平衡能力，其結(jié)論也更加立體和可信。

5）企業(yè)策略與定位推斷能力——需要“知識(shí)儲(chǔ)備”的綜合題

這是從數(shù)據(jù)到洞察的飛躍。

模型能否結(jié)合財(cái)報(bào)數(shù)據(jù)和自身知識(shí)，扮演“戰(zhàn)略分析師”，識(shí)別競(jìng)爭(zhēng)格局;我們要求模型基于毛利率和研發(fā)投入等數(shù)據(jù)，推斷公司的競(jìng)爭(zhēng)策略（是成本領(lǐng)先還是技術(shù)驅(qū)動(dòng)）,并綜合各項(xiàng)信息，評(píng)估其在行業(yè)中的市場(chǎng)地位（是領(lǐng)導(dǎo)者還是挑戰(zhàn)者）。

Prompt：

Test5.1:請(qǐng)根據(jù)“美團(tuán)-2025年第1季度”財(cái)務(wù)報(bào)告中對(duì)其業(yè)務(wù)的描述，并結(jié)合你的通用知識(shí)，列出該公司所在行業(yè)的主要競(jìng)爭(zhēng)對(duì)手（至少兩家）。

Test5.2:請(qǐng)分析報(bào)告中的“毛利率（Gross Margin）”和“研發(fā)費(fèi)用占收入的比例”。基于這兩個(gè)數(shù)據(jù)，并與你所知的該行業(yè)典型水平進(jìn)行比較，推斷該公司更可能采取哪種競(jìng)爭(zhēng)策略：是“成本領(lǐng)先”策略（追求高效率和低成本），還是“差異化/技術(shù)驅(qū)動(dòng)”策略（追求產(chǎn)品獨(dú)特性和高附加值）？請(qǐng)說(shuō)明你的推理過程。

Test5.3:綜合整份財(cái)務(wù)報(bào)告（包括其收入增長(zhǎng)率、利潤(rùn)率水平以及管理層的討論），請(qǐng)對(duì)該公司在本行業(yè)中的市場(chǎng)地位給出一個(gè)綜合評(píng)估。你認(rèn)為它更接近于“行業(yè)領(lǐng)導(dǎo)者”、“強(qiáng)有力的挑戰(zhàn)者”，還是一個(gè)“特定的利基市場(chǎng)參與者”？請(qǐng)?zhí)峁┲辽賰牲c(diǎn)證據(jù)來(lái)支持你的結(jié)論：

1.一個(gè)來(lái)自財(cái)務(wù)數(shù)據(jù)（例如：高于/低于行業(yè)平均的利潤(rùn)率或增長(zhǎng)率）。

2.一個(gè)來(lái)自“管理層討論與分析”部分的定性描述。

評(píng)測(cè)結(jié)論：

在識(shí)別競(jìng)爭(zhēng)格局時(shí)，本文測(cè)試的六個(gè)模型均能準(zhǔn)確列出當(dāng)前市場(chǎng)中最主要的競(jìng)爭(zhēng)對(duì)手（餓了么、抖音本地生活服務(wù)和京東到家），并將具體業(yè)務(wù)線進(jìn)行對(duì)應(yīng)。

證明AI具備將財(cái)報(bào)中的業(yè)務(wù)描述與知識(shí)庫(kù)中的現(xiàn)實(shí)世界商業(yè)實(shí)體進(jìn)行精準(zhǔn)匹配。

不過，各模型給出的回答思路有所不同。

DeepSeek-R1、GLM-4-Plus、Hunyuan-T1和Qwen3-235B-A22B先列出競(jìng)爭(zhēng)對(duì)手，再給出其競(jìng)爭(zhēng)領(lǐng)域和依據(jù)。

ERNIE-X1-Turbo和Kimi-K1.5先列出競(jìng)爭(zhēng)領(lǐng)域，再給出主要競(jìng)爭(zhēng)對(duì)手和競(jìng)爭(zhēng)關(guān)系。

其中，DeepSeek-R1和Hunyuan-T1在給出依據(jù)時(shí)引用了財(cái)報(bào)原文，使答案更具備說(shuō)服力；其他模型則更多根據(jù)通用知識(shí)庫(kù)中的內(nèi)容進(jìn)行回答。

此外，Qwen3-235B-A22B和Kimi-K1.5分別注意到國(guó)際競(jìng)爭(zhēng)對(duì)手和自有外賣系統(tǒng)，是意外的亮點(diǎn)。

推斷競(jìng)爭(zhēng)策略則是本次測(cè)評(píng)中難度最高的一項(xiàng)任務(wù)，需要AI模型完成“數(shù)據(jù)提取”-“外部知識(shí)比對(duì)”-“商業(yè)理論應(yīng)用”-“邏輯推理”的完整閉環(huán)。

數(shù)據(jù)提取方面，GLM-4-Plus使用了假設(shè)數(shù)據(jù)，從而導(dǎo)致后續(xù)分析中使用的毛利率數(shù)據(jù)錯(cuò)誤，其結(jié)果不具備參考性；而其余模型都提取到了正確的數(shù)據(jù)。

圖：GLM-4-Plus推斷競(jìng)爭(zhēng)策略

在推理分析過程中，盡管行業(yè)平均數(shù)據(jù)不具備權(quán)威性，但除了ERNIE-X1-Turbo外的模型均以行業(yè)平均數(shù)據(jù)作為參照物進(jìn)行了外部知識(shí)比對(duì)，有效提高了分析質(zhì)量。

圖：ERNIE-X1-Turbo推斷競(jìng)爭(zhēng)策略

由于各模型的關(guān)注點(diǎn)有所不同，ERNIE-X1-Turbo、Hunyuan-T1和Kimi-K1.5能夠基于上述比較和結(jié)論，生成一個(gè)“nuanced”的結(jié)論，而非從提示詞中進(jìn)行二選一。

至于對(duì)市場(chǎng)地位的評(píng)估，六個(gè)模型通過引用管理層討論原文、定量分析和定性分析等方式，全部給出了“行業(yè)領(lǐng)導(dǎo)者”的判斷，論證過程嚴(yán)密，具備較高的可信度，且模型之間基本不存在能力差異。

6）融合外部知識(shí)的聯(lián)網(wǎng)比對(duì)能力——能力邊界的拓展

最后，我們打破單一文檔的限制，考察模型連接現(xiàn)實(shí)世界的能力。

它能否通過聯(lián)網(wǎng)搜索功能，獲取競(jìng)爭(zhēng)對(duì)手同一時(shí)期的財(cái)務(wù)數(shù)據(jù)（如毛利率、流動(dòng)比率等），并進(jìn)行準(zhǔn)確的橫向比較。

Prompt：

Test6.1:2025年第1季度，相比京東、阿里、百度和快手，美團(tuán)的銷售毛利率這一指標(biāo)排名如何？可通過聯(lián)網(wǎng)搜索獲取所需數(shù)據(jù)，但必須保證數(shù)據(jù)的準(zhǔn)確性，禁止編造或假設(shè)數(shù)據(jù)，禁止使用虛假數(shù)據(jù)。

Test6.2:2025年第1季度，相比京東、阿里、百度和快手，美團(tuán)的流動(dòng)比率這一指標(biāo)排名如何？可通過聯(lián)網(wǎng)搜索獲取所需數(shù)據(jù)，但必須保證數(shù)據(jù)的準(zhǔn)確性，禁止編造或假設(shè)數(shù)據(jù)，禁止使用虛假數(shù)據(jù).

Test6.3:2025年第1季度，相比京東、阿里、百度和快手，美團(tuán)的資產(chǎn)負(fù)債率這一指標(biāo)排名如何？可通過聯(lián)網(wǎng)搜索獲取所需數(shù)據(jù)，但必須保證數(shù)據(jù)的準(zhǔn)確性，禁止編造或假設(shè)數(shù)據(jù)，禁止使用虛假數(shù)據(jù)。

此項(xiàng)能力直接關(guān)系到AI作為智能助手的實(shí)用價(jià)值。

評(píng)測(cè)結(jié)論：

本次評(píng)測(cè)的六個(gè)模型對(duì)于聯(lián)網(wǎng)信息的搜集能力均不理想。

對(duì)于銷售毛利率，尚有DeepSeek-R1、ERNIE-X1-Turbo和Hunyuan-T1能夠獲取五家公司的全部正確數(shù)據(jù)。

而流動(dòng)比率和資產(chǎn)負(fù)債率則沒有任何一個(gè)模型能夠獲取全部正確數(shù)據(jù)。

DeepSeek-R1和ERNIE-X1-Turbo的信息搜索能力相對(duì)最強(qiáng)，均獲得10項(xiàng)以上正確數(shù)據(jù)，前者不存在編造數(shù)據(jù)的情況，后者出現(xiàn)一次錯(cuò)誤數(shù)據(jù)；

Kimi-K1.5和Qwen3-235B-A22B的信息正確率位于中等水平，在計(jì)算流動(dòng)比率和資產(chǎn)負(fù)債率時(shí)，存在一定未獲取到數(shù)據(jù)或編造數(shù)據(jù)的情況；

GLM-4-Plus和HunyuanT1表現(xiàn)較差，尤其是在計(jì)算資產(chǎn)負(fù)債率時(shí)，頻繁出現(xiàn)編造數(shù)據(jù)的情況。

GLM-4-Plus甚至只搜索到了一個(gè)與問題毫無(wú)聯(lián)系的網(wǎng)頁(yè)并編造了5個(gè)虛假數(shù)據(jù)，給用戶帶來(lái)極大困擾。

綜上所述，由于AI大模型在聯(lián)網(wǎng)搜索信息時(shí)幾乎不會(huì)去權(quán)威性數(shù)據(jù)渠道進(jìn)行查詢，而互聯(lián)網(wǎng)中又充斥著大量的虛假錯(cuò)誤信息。

AI在這一領(lǐng)域還有很大的提升空間，在分析財(cái)報(bào)時(shí)會(huì)導(dǎo)致嚴(yán)重的錯(cuò)誤，因此不建議使用聯(lián)網(wǎng)搜索功能以獲取重要財(cái)務(wù)數(shù)據(jù)。

03 結(jié)論

為了更加直觀地展現(xiàn)評(píng)測(cè)結(jié)果，我們制作了如下表格：

在不考慮聯(lián)網(wǎng)信息搜索的情況下：

對(duì)于專業(yè)的投資者或財(cái)務(wù)分析人士，DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B都是值得信賴的“助理”，在提升工作效率的同時(shí)，它們還可以提出有價(jià)值的洞察；

對(duì)于普通用戶或?qū)W生，ERNIE-X1-Turbo也是不錯(cuò)的選擇，完全可以勝任快速獲取核心數(shù)據(jù)和基本信息的功能。

但是，聯(lián)網(wǎng)信息搜索的準(zhǔn)確性對(duì)于各模型來(lái)說(shuō)都是現(xiàn)階段難以跨越的門檻，我們可以接受AI找不到信息，但不能接受AI把假信息當(dāng)真信息回答。

最后，依舊我們略顯主觀的評(píng)測(cè)標(biāo)準(zhǔn)，統(tǒng)計(jì)了六大模型的財(cái)務(wù)分析能力雷達(dá)圖，供大家參考: