Can Open-Weight Models Compete on Financial Text Comprehension?
创建于 更新于
摘要
本文基于覆盖495份国际上市公司年报、2967组问答的Financial Touchstone v1.2基准，系统比较20个开源权重与闭源大语言模型的金融文本理解能力。Claude Opus 4.6以88.4%的准确率排名第一，开源权重模型Kimi K2.6排名第三；Gemini 2.5 Pro以0.08%的幻觉率表现出最强事实可靠性。研究发现，检索失败占全部失败的48.9%，是系统性能的首要瓶颈；此外，中国模型存在受模型及访问路由影响的内容过滤拒答现象，为全球金融分析部署带来新的风险。[page::0][page::4][page::5][page::7]
