聚焦量化漫谈系列之二十一:GLM-5.2,Agent工具最优模型,长程任务能力登顶。针对 Parquet 金融数据分析、研报网页爬虫、A 股择时回测框架三类典型投研任务的实测表明,GLM-5.2 可实现端到端工程交付,具备突出的任务意图识别与深度数据洞察能力,代码工程完成度高,能有效减少人工干预、提升落地效率。结果通过历史数据统计、建模和测算完成,历史规律不代表未来;在市场环境发生变化时,模型存在失效的风险;策略依据一定的假设通过历史数据回测得到,当交易成本或其它条件改变时,可能导致策略收益下降甚至出现亏损;大模型输出的内容存在一定的随机性和准确性风险;本文所提炼的观点,基于一定的提示词产生,大语言模型输出的结果可能随着提示词的变化而发生变化。
聚焦量化漫谈系列之二十一:GLM-5.2,Agent工具最优模型,长程任务能力登顶。针对 Parquet 金融数据分析、研报网页爬虫、A 股择时回测框架三类典型投研任务的实测表明,GLM-5.2 可实现端到端工程交付,具备突出的任务意图识别与深度数据洞察能力,代码工程完成度高,能有效减少人工干预、提升落地效率。结果通过历史数据统计、建模和测算完成,历史规律不代表未来;在市场环境发生变化时,模型存在失效的风险;策略依据一定的假设通过历史数据回测得到,当交易成本或其它条件改变时,可能导致策略收益下降甚至出现亏损;大模型输出的内容存在一定的随机性和准确性风险;本文所提炼的观点,基于一定的提示词产生,大语言模型输出的结果可能随着提示词的变化而发生变化。
聚焦量化漫谈系列之二十一:GLM-5.2,Agent工具最优模型,长程任务能力登顶。针对 Parquet 金融数据分析、研报网页爬虫、A 股择时回测框架三类典型投研任务的实测表明,GLM-5.2 可实现端到端工程交付,具备突出的任务意图识别与深度数据洞察能力,代码工程完成度高,能有效减少人工干预、提升落地效率。结果通过历史数据统计、建模和测算完成,历史规律不代表未来;在市场环境发生变化时,模型存在失效的风险;策略依据一定的假设通过历史数据回测得到,当交易成本或其它条件改变时,可能导致策略收益下降甚至出现亏损;大模型输出的内容存在一定的随机性和准确性风险;本文所提炼的观点,基于一定的提示词产生,大语言模型输出的结果可能随着提示词的变化而发生变化。核心数据:架构端通过 IndexShare 索引共享、MTP 推测解码优化等技术创新,1M 上下文下单 token FLOPs 降低约 2.9 倍,长序列推理吞吐较前代大幅提升。
本报告由国金证券发布,发布于 2026 年。
覆盖 2026 年。
本报告为付费报告,可在资料宝站内下单后获取完整内容。
适合投资人等读者参考。
重点分析了量化、DeepSeek、量化漫谈系列之二十一、GLM等议题。