DeepSeek-V3.1模型更新与表现 [page::1][page::2]

• DeepSeek-V3.1采用混合推理架构，支持思考与非思考模式切换，提升思考效率与输出精度。

- 在代码生成、智能体能力测试中表现优于前版本，输出token数减少20%-50%。

• 数学与科学推理表现稍逊于前版本，综合表现位列行业领先水平。

ETF市场资金流及交易情况 [page::4][page::5][page::6]

• 2025年8月18-22日，上市非货币ETF净流入298.72亿元，跨境与债券型ETF资金净流入显著。

- 股票型ETF资金整体净流出1.19亿元，宽基ETF资金净流入负143.97亿元，科创50ETF大幅资金流出。

• 主题行业ETF资金净流入135.13亿元，以金融地产、周期及医药生物行业领涨。

- 二级市场中股票型ETF成交额达6897.51亿元，宽基及主题行业ETF中A500及科技ETF成交突出。

主动权益及增强指数型基金表现跟踪 [page::9][page::10][page::11]

| 投资类型 | 证券简称 | 上周收益率(%) | 近一年收益率(%) | 备注 |
|--------------|--------------------|----------------|-----------------|------------------|
| 灵活配置型基金 | 前海开源高端装备制造A | 14.98 | 94.06 | 近一年最佳表现之一 |
| 偏股混合型基金 | 东方阿尔法优势产业A | 16.45 | 69.49 | 持续优异业绩 |
| 普通股票型基金 | 招商移动互联网A | 16.66 | 41.27 | 行业热点主题基金 |

• 主动量化基金上周收益率中位数3.01%，近一年为45.09%。消费与TMT主题基金表现优于其他行业。

- 增强指数型基金表现中，招商中证2000增强策略ETF近一年超额收益31.15%居首，多个指数增强ETF实现正超额收益。

• 沪深300、中证500、中证1000和国证2000增强ETF均有表现优异的代表产品，实现较好市场超额收益。

本周非货币ETF申报及发行动态 [page::8][page::9]

• 上周共33只ETF申报，14只AAA科技创新公司债ETF与10只中证科创创业人工智能ETF集中申报。

- 本周6只ETF发起认购，涵盖金融科技、行业主题及增强策略，持续丰富ETF产品线。

DeepSeek-V3.1在金融文本分析任务的具体表现 [page::3][page::4]

• 测试多项逻辑与金融文本推理任务，除个别深度思考模型陷入死循环外，大部分问题均给出正确答案。

- 基于检索增强生成黄金市场新闻点评任务结果准确，展示模型在实际金融信息处理中的应用价值。

DeepSeek-V3.1金融文本分析测评报告详尽分析

---

1. 元数据与概览

报告标题：《基金量化观察：DeepSeek-V3.1金融文本分析测评》
作者：高智威（SAC执业编号：S1130522110003）、赵妍（SAC执业编号：S1130523060001）
发布机构：国金证券股份有限公司
发布时间：2025年08月27日
主题：本报告主要围绕DeepSeek-V3.1大模型发布及其金融文本和逻辑推理能力的测评展开，兼顾了基金市场行情回顾与主动权益及增强指数型基金的表现追踪。

核心论点与评级目标：报告聚焦于DeepSeek-V3.1模型的混合推理架构及其在金融文本分析中的实际应用效果。虽然模型在部分复杂逻辑推理题目中存在问题（死循环错误），但大多数金融文本分析任务表现准确。同时，报告详尽跟踪了ETF市场资金流、交易量、基金表现及新基金发行情况。报告整体是中立、分析性的，未设置具体买卖评级，重点在于投研工具的技术进步与市场动态数据披露[page::0-1,3-4,9-10,13]。

---

2. 逐节深度解读

2.1 DeepSeek-V3.1模型发布与性能更新

2.1.1 模型结构与功能

• 混合推理架构：DeepSeek-V3.1继承了DeepSeek-V3.1-Base基线，参数671B，采用两阶段长上下文扩展方法，最大进步是支持“思考模式”和“非思考模式”同模型切换，用户可根据需求调整思考深度与效率。

- 思考效率提升：思考模式下输出的token数量减少20%-50%，响应时间缩短，计算成本降低，同时保证平均表现不输旧版本R1-0528，体现了模型的优化精简[page::1-2]。

2.1.2 能力测评

• 输出Token数量对比（图表1）

DeepSeek-V3.1-Think在三个任务集（AIME 2025、GPQA Diamond、LiveCodeBench）中均大幅减少输出token，相对于R1-0528分别控制在73%至88%之间，反映思考模式下信息精炼能力增强。

• 编程智能体与搜索智能体测评（图表2、3）

- V3.1在SWE-bench、Terminal-Bench测试中表现远超早期模型，数值体现为66.0分对比45.4分和44.6分等。
- 搜索智能体测评中，V3.1在7个基础测试项中全面领先，包括Browsecomp以及对应中文任务，表现优势显著。

• 综合测评（SuperCLUE）（图表4、5）

- DeepSeek-V3.1在代码生成、智能体Agent及精确指令遵循三项指标领先R1-0528，但数学推理和科学推理表现略逊于R1-0528。
- 综合排名显示，V3.1处于前列模型之列，排名仅次于GPT-5等少数顶尖模型，表明该型号具备很强的市场竞争力。

2.1.3 API与网页端应用

• 用户界面友好，API支持思考模式开关，接入广泛（火山引擎、阿里云、腾讯云等）。

- API价格将于2025年9月6日调整，思考模式价格将下降，非思考模式价格上涨，反映对深思考模式的成本优化策略。

• 开源情况良好，Base模型发布于Huggingface，保障外部研究者访问[page::2-3,6]

2.1.4 推理测试结果

• 多个逻辑推理问题及金融文本分析问题测试中表现良好，仅个别复杂推理问题出现死循环无法解答，显示模型在处理超复杂逻辑时仍有改进空间。

- 在黄金市场新闻点评任务中，通过RAG方法，V3.1思考模式展现专业准确的分析能力，能够结合供需、地缘政治及宏观经济政策多维度评价黄金市场，完全依托提供资料撰写，避免知识谬误[page::3-4]

---

2.2 ETF市场回顾

2.2.1 一级市场资金流动

• 总体资金净流入298.72亿元，跨境ETF资金流入占比最大（180.50亿元），其次是债券型ETF（121.34亿元），股票型ETF和商品型ETF净流出1.19亿元及1.93亿元，表明市场资金更偏好稳健资产和跨境资产配置。

- 股票型ETF中，宽基ETF净流出143.97亿元，细分来看中证500、创业板和上证50ETF资金净流入，科创50ETF流出超130亿元，反映市场结构性配置差异。

• 主题行业ETF资金流入135.13亿元，其中金融地产和周期性板块最受资金青睐，科技板块资金流出，可能体现投资者对科技板块短期情绪谨慎。

- ETF新申报活跃，集中于科技创新公司债和人工智能主题ETF，体现市场对科技创新及人工智能概念的持续关注[page::4-5,8-9]

2.2.2 二级市场交易表现

• 非货币ETF成交额达到19372.78亿元，股票型ETF成交额较高为6897.51亿元。

- ETF融资净买入14.74亿元，倾向中证500及金融地产ETF，显示杠杆资金较为谨慎，偏好稳健蓝筹及传统金融地产。

• 细分类别中，宽基ETF表现活跃，主题行业ETF交易也较为热烈，增强策略及smartbeta策略规模交易较小[page::5-6]

2.2.3 具体基金表现与交易明细

• 主题行业中，金融地产、周期、医药生物、消费、高端制造ETF资金流入较为稳健，科技版块资金流出。

- 个别基金表现亮眼，如科创板芯片ETF涨幅达17.12%，显示科技创新依然是成长热点。

• 债券型ETF交易活跃度高，主要集中于短融和政策性金融债ETF，体现稳健增持态势。

- 主动权益基金中，招商移动互联网A等基金收益突出，均实现两位数周涨幅，且长期收益率表现优异。

• 主动量化基金及增强指数基金中，表现稳健，部分增强策略基金实现较高超额收益率，招商中证2000增强策略ETF近一年超额收益31.15%，2025年以来21.40%，位列首位[page::6-11]

---

3. 图表深度解读

3.1 模型输出token及测评图表（图表1至5，页码2）

• 图表1 显示DeepSeek-V3.1-Think模型对比R1-0528在三个测评集合上的输出token数显著减少，降低处理成本且维持性能。

- 图表2和3 展示V3.1在编程和搜索智能体性能明显优于旧版模型，支持其具备更强代码及信息检索能力。

• 图表4（SuperCLUE测评） V3.1在代码生成、智能体Agent及精确指令遵循表现明显优于R1-0528，但数学推理、科学推理稍逊。

- 图表5（榜单） 综合测评显示V3.1位列顶尖主流大模型行列，是当前中文领域表现较强的模型之一[page::2]

3.2 ETF资金流动及交易情况（图表11至16，页码5-6）

• 图表11 总资金净流入主要来自跨境和债券型ETF，股票型及商品型净流出。

- 图表12 股票型ETF中，资金净流入主要集中在主题行业，宽基ETF资金流出巨大，凸显资金向主题策略迁移。

• 图表13 宽基及主题ETF细分图表显示中证500、创业板等部分宽基ETF资金流入，中证科创50等资金流出明显。

- 图表14-16 表明债券型ETF较为活跃，股票型ETF成交集中于宽基和主题行业，融资买入集中在中证500和金融地产ETF，显示机构对蓝筹及稳健板块依然看好[page::5-6]

3.3 主动权益及增强指数型基金表现（图表22、23、25，页码10-11）

• 图表22 列出了类型细分的绩优基金Top5，灵活配置、偏股混合、普通股票型均有两位数周收益表现，且近一年收益率大多在50%以上，说明绩优基金的中长期价值表现突出。

- 图表23 行业主题基金过去一周收益率中位数显示，TMT和消费表现最好，近一年医药和TMT领先，表明科技医药仍是资金热点。

• 图表25 增强指数型基金上周、近一年超额收益数据反映部分指数增强基金具备持续超越基准的能力，尤其是国证2000、中证1000基金表现优越，投资者可重点关注[page::10-11]

3.4 新基金申报及发行（图表19-21，页码8-9）

• 上周大量科技创新公司债ETF和人工智能主题ETF申报，反映市场对高科技债权与人工智能主题的资管产品需求旺盛。

- 本周新发ETF涵盖跨境、行业主题、Smart Beta及增强策略，体现产品多样化发展。

• 新上市ETF包括创业板综合ETF、上证科创板人工智能ETF等，新产品布局紧跟市场热点[page::8-9]

---

4. 估值分析

报告本身未重点涉及具体估值模型论述，财务估值或目标价预测等内容，重点是金融市场动态监测和模型性能评估。ETF及基金表现评估主要围绕收益率、超额收益等实际表现数据，未采用DCF等传统估值法分析[page::全篇]

---

5. 风险因素评估

报告明确指出：

1. 所有历史数据统计、模型建模结果面临政策、市场环境变化的风险，预测模型可能失效。

2. 基金历史业绩不等于未来表现，需警惕业绩下滑风险。

1. ETF二级市场交易价格波动风险不容忽视。

4. 提供的基金及数据仅用于研究参考，非募集或宣传材料[page::4,11]

报告未具体提出风险缓解策略，主要提示投资者风险意识。

---

6. 审慎视角与细微差别

• 报告技术测评部分较为客观，但对复杂逻辑推理中模型的“死循环”问题仅简单提及，未展开深入原因分析，建议后续技术迭代关注该类边界情况的优化。

- ETF市场资金流动细节反映主题和科技板块资金流出现象，或暗示短期科技板块承压事实，但未给出市场解读，需结合宏观经济背景深入分析。

• 成绩优良的主动基金名单体现基金经理及管理团队实力，但未涉及对应管理费率、资产规模变化等，有一定局限。

- 报告多处引用第三方指标（如SuperCLUE），依赖外部评测结果，推断模型能力相对可靠但也存在测评体系局限。

• 估值分析板块缺席，可能是因本报告侧重工具与市场动态而非单只标的估值，投资者若需决策辅助还需配合其他研究[page::全篇]

---

7. 结论性综合

本报告《DeepSeek-V3.1金融文本分析测评》系统介绍了DeepSeek-V3.1大模型的架构创新、性能提升与实际应用情况。该模型通过混合推理架构实现深度思考与快速响应的动态切换，在代码生成与智能体能力方面取得显著进步，较旧版R1-0528表现更优，但数学推理等部分依然存短板。模型API广泛接入市场主流云服务平台，开源力度良好。

通过一系列金融文本分析和逻辑测评，DeepSeek-V3.1展现了在金融研报解读、新闻点评等专业领域的潜力和准确性，仅个别复杂逻辑问题存在死循环错误。实测黄金市场点评及基金申报内容的文本分析均准确无误，显示其实际投研赋能价值。

基金市场部分，报告详尽回顾了2025年8月中下旬的ETF资金流动、交易情况及主动权益基金的绩优表现。跨境和债券型ETF资金净流入显著，而主流股票宽基ETF资金呈现分化，主题行业基金吸引更多资金，尤其金融地产、周期板块。主动权益基金中招商移动互联网等五只基金表现亮眼，增强策略ETF也普遍实现超额收益，突显市场精选基金运作效果。

图表部分为报告增加了实证基础，数据完整丰富：

• DeepSeek-V3.1输出token减少，提升运算成本效率（图表1）；

- 模型智能体表现优于前代（图表2-5）；

• ETF各类别资金流及交易额动态展现资金偏好（图表11-16）；

- 绩优主动基金与增强策略基金收益排名及分布（图表22, 23, 25）；

• ETF产品申报及新发上市细节（图表19-21）。

风险提示中提及模型假设易受市场政策变化影响，基金过去业绩不代表未来，ETF价格波动风险显著。投资者需根据实际市场环境综合判断。

综上，报告既体现了DeepSeek-V3.1模型的技术进步，也反映当下中国ETF及基金市场的资金流向与结构性特点，为量化研究和投资决策提供了重要的工具与数据支持。报告保持专业严谨，立场中立，信息详实，适合机构及专业投资者参考应用。

---

附录：关键图表引用示例

• 图表1：DeepSeek-V3.1-Think输出token数量对比（页2）

• 图表4：SuperCLUE通用测试中V3.1与R1模型对比（页2）

• 图表11：非货币ETF资金流动情况（页5）

• 图表23：行业主题基金收益统计（页10）

---

（全文依据报告原文内容，页码标注为引用溯源[page::页码]）

报告