每當我們翻閱財報時，可能只想或許關鍵的財務信息，但總是受到財報中紛繁復雜的業(yè)務表述、冗長的管理層發(fā)言的干擾，需要耗費大量精力去甄別有用的財務信息。

特別是港股美股，國內(nèi)的大多數(shù)金融軟件，都是基于國內(nèi)市場財務準則構建的信息展示，面對非標財務報表，總會出現(xiàn)部分摘取科目的錯誤。

進入AI大模型時代之后，這樣的財務研究障礙或將被攻克——畢竟模型最擅長的，就是語言文字的總結歸納和數(shù)據(jù)的計算。

本文之中，我們即著手對六大國內(nèi)主流大模型進行評測，用以探究下其財報分析能力，究竟發(fā)展到什么水平，又存在怎樣的問題？

閱讀提示：鑒于評測內(nèi)容過于硬核與篇幅較長，獲取最終評測結果可直接拉至文報告底部“結論”部分。

01 評測對象、邏輯與標準

評測對象我們挑選了國內(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）

評測邏輯方面，我們采取了“分層進階”的問題構建，要想成為一個優(yōu)秀的“AI財務分析師”，必須具備多層次的能力。

因此，我們設計了四個層級的測試，六個維度的問題，從基礎到高級，逐步深入：

第一層：基礎信息提取

AI必須具備的最基本的能力，模型必須能夠準確讀取財報。如果數(shù)據(jù)提取都出現(xiàn)錯誤，那么分析將變得毫無意義。

第二層：分析計算與核驗

計算是模型最擅長做的事情，但模型還要會使用數(shù)據(jù)，從“閱讀器”成長為“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，我們設計了兩個考核維度，分別是“高效的歸納和提煉能力”以及“敏銳的風險和情感識別能力”。

第四層：戰(zhàn)略總結與外部知識整合

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。同時知識庫中有限的內(nèi)容是不夠的，模型需要連接外部世界，進行橫向比較。為此我們同樣設計了兩個考核維度：“企業(yè)策略與定位的識別”和“外部信息搜索與整合”。

標準層面，我們對每一個模型都輸入相同的prompt（后文中有詳細提示詞信息），來保持規(guī)則的統(tǒng)一。

02 六項財務分析能力橫評

1）精準的數(shù)據(jù)提取能力——模型基礎功底，精準才是王道

模型能否像一位嚴謹?shù)臅嫀?，從PDF財報中分毫不差地提取關鍵財務數(shù)據(jù)、特定費用項目以及管理層提到的業(yè)務成就。此項能力的表現(xiàn)，直接決定了后續(xù)所有分析的可靠性。我們將重點考察其準確率和穩(wěn)定性。

Prompt：

Test1.1：請根據(jù)提供的“美團-2025年第1季度”財務報告，提取以下關鍵財務數(shù)據(jù)，以表格形式返回結果：1.營業(yè)總收入；2.營業(yè)成本；3.凈利潤。

Test1.2:請找出并列出以下費用項目的具體金額，以表格形式返回結果：1.研發(fā)費用；2.銷售及市場推廣費用。

Test1.3:請仔細閱讀“美團-2025年第1季度”財務報告中的“業(yè)務回顧及展望”部分，總結出管理層提到的本季度最重要的三個業(yè)務亮點或成就。|

評測結論：

本文評測的所有模型都順利完成了指定核心財務數(shù)據(jù)和特定項目費用的提取。

其中，ERNIE-X1-Turbo、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B,還貼心地將財報中的單位由千元轉變?yōu)閮|元，更加貼合用戶習慣。

對于非財務關鍵信息，模型的聚焦點則略有不同，但大多集中于核心本地商業(yè)收入和利潤的強勁增長、閃購和即時零售業(yè)務的快速發(fā)展、餐飲外賣業(yè)務的持續(xù)優(yōu)化以及騎手權益保障體系的升級等方面。

2）嚴謹?shù)挠嬎闩c核驗能力——不只會計數(shù)，更要會解釋

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

一是能否運用正確的公式，基于提取的數(shù)據(jù)計算出毛利率、流動比率等核心財務指標并解釋其含義；

二是在面對管理層的業(yè)績聲明時，能否獨立進行數(shù)據(jù)核查，判斷其真?zhèn)?。這是對模型邏輯推理和“批判性思維”的直接考驗。

Prompt：

Test2.1:根據(jù)“美團-2025年第1季度”財務報告中的數(shù)據(jù)，計算該公司的毛利率。請列出計算公式、使用的具體數(shù)據(jù)，并解釋這個毛利率數(shù)值反映了公司怎樣的盈利能力。

Test2.2:請使用“美團-2025年第1季度”財務報告中的資產(chǎn)負債表數(shù)據(jù)，計算該公司的流動比率。請說明你使用了哪些數(shù)據(jù)進行計算，并解釋該比率所揭示的公司短期償債風險。

Test2.3:管理層在報告中聲稱“核心本地商業(yè)的經(jīng)營利潤率同比提升3.2個百分點至21.0%”。請根據(jù)財報數(shù)據(jù)核實這一說法的準確性，并說明你的判斷依據(jù)。

評測結論：

六個模型中，僅有Kimi-K1.5未能通過這一項測試。

Kimi-K1.5明明已經(jīng)獲取到正確的營業(yè)收入和營業(yè)成本，但在計算時卻出現(xiàn)錯誤，正確答案應為37.4477，而該模型得出的答案為37.49。

圖：Kimi-K1.5計算毛利率

與此同時，Kimi-K1.5在計算流動比率時，將“簡明綜合財務狀況表”中的“現(xiàn)金及現(xiàn)金等價物”錯誤識別為“流動資產(chǎn)總額”，導致另一處計算錯誤。

圖：Kimi-K1.5計算流動比率

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

除此之外，不同模型給出的其他信息也有所不同：

DeepSeek-R1：美團資產(chǎn)結構的優(yōu)勢、風險揭示和需關注的隱患；

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)流動性結構優(yōu)勢、流動負債可控及潛在風險點；

Kimi-K1.5：盈利能力較強、成本控制有效、業(yè)務結構優(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)對比。

數(shù)據(jù)核驗方面，各模型均正確計算了2024年和2025年第一季度的經(jīng)營利潤率，驗證了提示詞中的給定說法。

值得注意的是，DeepSeek-R1還給出了業(yè)務意義，而Hunyuan-T1則附帶了潛在風險提示。

3）高效的歸納與提煉能力——從“復制粘貼”到“提煉精華”

財報信息繁雜，能否為不同受眾提煉核心要點，是衡量AI效率的關鍵。

本項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)績摘要，也能精準概括出管理層在“討論與分析”部分提到的主要挑戰(zhàn)。

我們將評估其摘要的準確性、完整性和信息價值。

Prompt：

Test3.1:請面向一位普通的國內(nèi)投資者，用不超過200字，總結這份財務報告最重要的三個結論。

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

評測結論：

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

其中，DeepSeek-R1、Hunyuan-T1、Kimi-K1.5和Qwen3-235B-A22B能夠將結論分條進行羅列，結構層次相比另外兩個模型將結論放到一段話中更加清晰。

DeepSeek-R1還展現(xiàn)出了另外一個亮點，即使用“賺錢能力飆升”、“家底厚抗風險”等通俗易懂的語言風格。

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確性和歸納與條理性，能夠準確定位原文位置并對公司面臨的挑戰(zhàn)進行邏輯歸納與分類，以清晰的分點闡述形式呈現(xiàn)，具備較強的可讀性。

其中，DeepSeek-R1、ERNIE-X1-Turbo和Qwen3-235B-A22B都在回答過程中展示了相關數(shù)據(jù)，使其結論更具說服力，而DeepSeek-R1還額外標注了信息來源。

對于信息全面性，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)了簡練的回答風格。

4）敏銳的風險與情感識別能力——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”。我們通過本項能力，測試模型是否具備這種高級認知能力。

它能否識別出財報中未明說但隱含的業(yè)務風險;能否綜合業(yè)績和管理層措辭，對整份報告?zhèn)鬟f出的整體情緒基調(diào)（樂觀、謹慎、悲觀）做出準確判斷。

Prompt：

Test4.1:財報是否暗示了任何其他潛在的業(yè)務風險？請舉例說明。

Test4.2:綜合整份財報的業(yè)績數(shù)據(jù)和管理層的措辭，你認為這份報告向投資者傳遞的整體基調(diào)是樂觀、謹慎還是悲觀？請給出你的判斷，并提供至少2個理由。

評測結論：

在分析潛在業(yè)務風險時，除Kimi-K1.5以外的模型都能夠根據(jù)財報中提及的說法分條列舉潛在風險。

Kimi-K1.5則從宏觀角度出發(fā)，根據(jù)美團的主營業(yè)務進行分析，并未注重于財報中隱藏的信息。

圖：Kimi-K1.5分析潛在業(yè)務風險

此外，Kimi-K1.5在最初的回答中一次給出了50種風險，令人疑惑。

DeepSeek-R1、Hunyuan-T1和Qwen3-235B-A22B給出的回答最為清晰，使用固定的結構并明確給出信息來源，令用戶一目了然，快速明確風險。

DeepSeek-R1首先按照“風險種類”-“驅動事件”-“財報原文”-“風險點”的結構進行闡述，此后給出財報中未明示但可推導的風險，最后給出結論和針對投資者的建議。

圖：DeepSeek-R1分析潛在業(yè)務風險

Hunyuan-T1和Qwen3-235B-A22B也采用了類似的回答結構，在準確把握核心矛盾的同時展現(xiàn)了強大的推理能力。

ERNIE-X1-Turbo和GLM-4-Plus采取了分段論述的方式，在每段中闡述了風險的產(chǎn)生原因和財報中的論據(jù)出處，內(nèi)容完整但擴展內(nèi)容不夠豐富，結構相比上述三個模型不夠清晰。

整體情緒判斷任務中，六個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“謹慎樂觀”的說法。

GLM-4-Plus和Kimi-K1.5雖然識別出了報告中提及的風險和挑戰(zhàn)，但認為瑕不掩瑜。

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，對于細節(jié)的理解和大局觀都要略勝一籌，具備兼顧“事實”和“情感”的平衡能力，其結論也更加立體和可信。

5）企業(yè)策略與定位推斷能力——需要“知識儲備”的綜合題

這是從數(shù)據(jù)到洞察的飛躍。

模型能否結合財報數(shù)據(jù)和自身知識，扮演“戰(zhàn)略分析師”，識別競爭格局;我們要求模型基于毛利率和研發(fā)投入等數(shù)據(jù)，推斷公司的競爭策略（是成本領先還是技術驅動）,并綜合各項信息，評估其在行業(yè)中的市場地位（是領導者還是挑戰(zhàn)者）。

Prompt：

Test5.1:請根據(jù)“美團-2025年第1季度”財務報告中對其業(yè)務的描述，并結合你的通用知識，列出該公司所在行業(yè)的主要競爭對手（至少兩家）。

Test5.2:請分析報告中的“毛利率（Gross Margin）”和“研發(fā)費用占收入的比例”?；谶@兩個數(shù)據(jù)，并與你所知的該行業(yè)典型水平進行比較，推斷該公司更可能采取哪種競爭策略：是“成本領先”策略（追求高效率和低成本），還是“差異化/技術驅動”策略（追求產(chǎn)品獨特性和高附加值）？請說明你的推理過程。

Test5.3:綜合整份財務報告（包括其收入增長率、利潤率水平以及管理層的討論），請對該公司在本行業(yè)中的市場地位給出一個綜合評估。你認為它更接近于“行業(yè)領導者”、“強有力的挑戰(zhàn)者”，還是一個“特定的利基市場參與者”？請?zhí)峁┲辽賰牲c證據(jù)來支持你的結論：

1.一個來自財務數(shù)據(jù)（例如：高于/低于行業(yè)平均的利潤率或增長率）。

2.一個來自“管理層討論與分析”部分的定性描述。

評測結論：

在識別競爭格局時，本文測試的六個模型均能準確列出當前市場中最主要的競爭對手（餓了么、抖音本地生活服務和京東到家），并將具體業(yè)務線進行對應。

證明AI具備將財報中的業(yè)務描述與知識庫中的現(xiàn)實世界商業(yè)實體進行精準匹配。

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先列出競爭對手，再給出其競爭領域和依據(jù)。

ERNIE-X1-Turbo和Kimi-K1.5先列出競爭領域，再給出主要競爭對手和競爭關系。

其中，DeepSeek-R1和Hunyuan-T1在給出依據(jù)時引用了財報原文，使答案更具備說服力；其他模型則更多根據(jù)通用知識庫中的內(nèi)容進行回答。

此外，Qwen3-235B-A22B和Kimi-K1.5分別注意到國際競爭對手和自有外賣系統(tǒng)，是意外的亮點。

推斷競爭策略則是本次測評中難度最高的一項任務，需要AI模型完成“數(shù)據(jù)提取”-“外部知識比對”-“商業(yè)理論應用”-“邏輯推理”的完整閉環(huán)。

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

圖：GLM-4-Plus推斷競爭策略

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)作為參照物進行了外部知識比對，有效提高了分析質(zhì)量。

圖：ERNIE-X1-Turbo推斷競爭策略

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

至于對市場地位的評估，六個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)領導者”的判斷，論證過程嚴密，具備較高的可信度，且模型之間基本不存在能力差異。

6）融合外部知識的聯(lián)網(wǎng)比對能力——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)實世界的能力。

它能否通過聯(lián)網(wǎng)搜索功能，獲取競爭對手同一時期的財務數(shù)據(jù)（如毛利率、流動比率等），并進行準確的橫向比較。

Prompt：

Test6.1:2025年第1季度，相比京東、阿里、百度和快手，美團的銷售毛利率這一指標排名如何？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)的準確性，禁止編造或假設數(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，美團的流動比率這一指標排名如何？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)的準確性，禁止編造或假設數(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，美團的資產(chǎn)負債率這一指標排名如何？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)的準確性，禁止編造或假設數(shù)據(jù)，禁止使用虛假數(shù)據(jù)。

此項能力直接關系到AI作為智能助手的實用價值。

評測結論：

本次評測的六個模型對于聯(lián)網(wǎng)信息的搜集能力均不理想。

對于銷售毛利率，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)。

而流動比率和資產(chǎn)負債率則沒有任何一個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最強，均獲得10項以上正確數(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，在計算流動比率和資產(chǎn)負債率時，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，尤其是在計算資產(chǎn)負債率時，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與問題毫無聯(lián)系的網(wǎng)頁并編造了5個虛假數(shù)據(jù)，給用戶帶來極大困擾。

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

AI在這一領域還有很大的提升空間，在分析財報時會導致嚴重的錯誤，因此不建議使用聯(lián)網(wǎng)搜索功能以獲取重要財務數(shù)據(jù)。

03 結論

為了更加直觀地展現(xiàn)評測結果，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：

對于專業(yè)的投資者或財務分析人士，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，它們還可以提出有價值的洞察；

對于普通用戶或學生，ERNIE-X1-Turbo也是不錯的選擇，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)信息搜索的準確性對于各模型來說都是現(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把假信息當真信息回答。

最后，依舊我們略顯主觀的評測標準，統(tǒng)計了六大模型的財務分析能力雷達圖，供大家參考: