投研Agent模型在估值建模任務中的可復算性缺陷對實際投研工作流有何影響？

從本次測評結果來看，投研Agent模型在估值建模任務中的可復算性缺陷對實際工作流的影響主要體現在三個層面。

第一，底稿與報告結論的脫節風險。Kimi K3的Excel模型中部分關鍵數據以靜態形式呈現，各表之間未形成有效公式聯動，核心投資結論頁的公式錯誤導致營收增速、凈利潤、EPS、DCF目標價等均顯示為0或#VALUE!。這意味著投研人員無法通過修改假設參數來快速驗證不同情景下的估值結果，底稿失去了作為"可調整分析工具"的核心功能。在實際工作流中，分析師通常需要針對樂觀、中性和悲觀情景進行多輪測算，靜態數據將迫使人工重新搭建模型，反而降低了Agent輔助的效率。

第二，投資邏輯的自我驗證失效。GLM-5.2的問題更為嚴重，其底稿中的公式異常直接影響收入增速、EPS和相對估值等核心數據，同時報告在目標價低于當前股價的情況下仍給出"增持"評級，估值結果與投資建議之間存在明顯沖突。這種缺陷若未被及時發現，可能導致基于錯誤結論的投資決策，且由于底稿無法正常計算，投研團隊難以在內部復核環節發現邏輯斷裂。

第三，合規與審計層面的隱患。金融投研報告的出具通常需要滿足內部合規審查和外部審計要求，模型底稿的可追溯性和可驗證性是基礎條件。公式錯誤、引用失效或數據靜態化等問題，將使報告無法通過"從假設到結論"的完整證據鏈檢驗，在監管問詢或法律糾紛中處于不利地位。

針對上述風險，投研人員可采取以下規避措施：在接收Agent生成的估值模型后，優先執行關鍵假設的敏感性測試，驗證修改參數后是否聯動更新；建立"檢查表"機制，對資產負債表平衡、現金勾稽、WACC與永續增長率關系等核心勾稽關系進行獨立驗證；對目標價與評級、報告文字與模型結果進行交叉比對，識別潛在邏輯沖突；對于關鍵項目，保留人工復核環節而非完全依賴Agent輸出。GPT 5.6 Sol在本次測評中表現較優，正是因其建立了檢查表和來源表機制，并支持假設修改后的全模型聯動更新，這一設計思路值得參考。