大模型财报分析力评测：谁最懂财务语言？

在翻阅财报时，我们往往被复杂的业务表述和冗长的管理层发言所困扰，需要花费大量时间去甄别关键财务信息。特别是面对港股和美股的非标财务报表，国内大多数基于国内市场财务准则构建的金融软件经常出错。

随着AI大模型的兴起，这一财务研究的难题或许将迎刃而解。毕竟，模型最擅长的就是语言文字的总结归纳和数据的计算。

本文将对六大国内主流大模型进行评测，探究它们的财报分析能力究竟发展到什么水平，又存在哪些问题。

阅读提示：本文内容较为硬核且篇幅较长，可直接拉至文末“结论”部分获取最终评测结果。

01 评测对象、逻辑与标准

评测对象：我们挑选了国内主流的6大模型，包括深度求索（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）。

评测逻辑：我们采取了“分层进阶”的问题构建，设计了四个层级的测试，从基础到高级，逐步深入。每个层级都涵盖了不同的能力考核维度。

标准层面：我们对每一个模型都输入相同的提示词，以统一评测规则。

02 六项财务分析能力横评

1）精准的数据提取能力：模型能否从PDF财报中分毫不差地提取关键财务数据？此项能力的表现直接决定了后续所有分析的可靠性。

评测结论：所有模型都顺利完成了指定核心财务数据和特定项目费用的提取。其中，ERNIE-X1-Turbo、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B还将单位由千元转变为亿元，更加贴合用户习惯。

图：Kimi-K1.5数据提取

2）严谨的计算与核验能力：模型能否运用正确的公式计算毛利率、流动比率等核心财务指标？

评测结论：六个模型中，仅有Kimi-K1.5未能通过这一项测试。它在计算毛利率和流动比率时出现了错误。

图：Kimi-K1.5计算流动比率

3）高效的归纳与提炼能力：模型能否为不同受众提炼核心要点？

评测结论：各模型都能够以数据为支撑给出正确结论。其中，DeepSeek-R1、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B将结论分条罗列，结构层次更清晰。

4）敏锐的风险与情感识别能力：模型能否识别出财报中隐含的业务风险？

评测结论：除Kimi-K1.5以外，其他模型都能够根据财报中提及的说法分条列举潜在风险。DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B的回答最为清晰。

图：Kimi-K1.5分析潜在业务风险

5）企业策略与定位推断能力：模型能否结合财报数据和自身知识，识别竞争格局？

评测结论：六个模型均能准确列出当前市场中最主要的竞争对手。但各模型在回答思路和数据推理上有所不同。

图：GLM-4-Plus推断竞争策略

6）融合外部知识的联网比对能力：模型能否通过联网搜索获取竞争对手的财务数据？

评测结论：六个模型在联网信息搜集方面的能力均不理想。DeepSeek-R1和ERNIE-X1-Turbo的信息搜索能力相对较强，但依旧存在错误数据的情况。

03 结论

在不考虑联网信息搜索的情况下，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；对于普通用户或学生，ERNIE-X1-Turbo也是不错的选择。

然而，联网信息搜索的准确性是各模型现阶段难以跨越的门槛。因此，不建议使用联网搜索功能以获取重要财务数据。

图：评测结果表格

本文系基于公开资料撰写，仅作为信息交流之用，不构成任何投资建议。