Coding 之外，MiniMax 在悄悄做另一件事。

文章摘要

【关 键 词】 金融场景、模型横测、投研分析、领域知识、知识工作

大模型在代码生成领域的优势并不能自然迁移至所有知识工作领域。金融场景因包含大量行业术语、财务口径及隐含判断，需要特定的领域经验参与训练。模型在编程任务上的优异表现，并不意味着其在金融等专业知识工作中具备同等能力。MiniMax M3通过引入具备金融背景的研究员参与模型训练与评估，在金融场景下展现出较高的初步可用性，其实际表现得益于行业工作方式和验证逻辑的深度融入。

通过统一环境下的横向对比测试，MiniMax M3、DeepSeek V4 Pro与GPT 5.5在三个真实投研场景中表现出不同特点。在财报数据整理与经营效率计算任务中，MiniMax M3能够精准识别不同公司的财务口径差异，在关键数据提取的准确度上优于其他对比模型。在分析核心持仓并生成研究报告的任务中，该模型主动搭建了逻辑递进的分析框架，交付成果最接近专业的证券研究报告。而在宏观产业链分析任务中，三款模型均展现出较高的完成度。MiniMax M3侧重于产业链结构与利润分配的深度拆解，DeepSeek V4 Pro擅长梳理关键模块与风险点，GPT 5.5则在核心公司与市场格局的经验表达上更具连贯性。

公开评测数据与实测结果相吻合，证实了MiniMax M3在金融评测中处于开源模型第一梯队。金融领域的知识工作不仅考验模型的推理能力，更要求其深度理解行业规则、统计口径与专业方法论。金融有望成为继代码生成之后，大模型竞争最为激烈的核心应用场景之一。随着大模型产品逐渐从程序员群体向研究员、分析师及运营等更广泛的知识工作者渗透，模型必须具备并持续深化对多元领域知识与工作方式的理解，从而满足复杂专业场景的实际业务需求。

原文和模型

【原文链接】 阅读原文 [ 4249字 | 17分钟 ]
【原文作者】 AI产品阿颖
【摘要模型】 qwen3.7-max
【摘要评分】 ★★★★☆

阿里云百炼

大模型服务平台是阿里云基于通义大模型等多种大模型的一站式大模型开发平台。