8.0
深览指数
科技人人都是产品经理·数智产研笔记··AI 生成
财务系统选大模型场景比参数重要：六个核心场景 × 六款主流模型 × 一份选型决策框架
本文的核心观点是财务系统并非单一场景，而是费用审核、资金管理、税务合规等多个细分场景的集合，每个场景对AI模型能力（多模态、数学推理、长文本、Agent调度等）的要求截然不同。作者贡献在于提出了一套“场景拆解→能力匹配→模型组合”的选型方法论，并给出了六大场景分别适配DeepSeek、通义千问、智谱GLM等六款国产主流模型的具体组合方案与落地避坑指南。适合正在规划或实施财务AI工具链的产品经理、技术负责人和财务信息化负责人阅读。原文 ↗
核心观点
- ▍财务系统是多个细分场景的集合，拿一个‘综合评分最高’的模型去覆盖所有场景，结果往往是每个场景都差口气；选型的正确方法是先拆场景、再定能力需求、最后选模型组合。
- 01费用审核需要多模态识别和规则推理，资金管理需要数学推理与时序分析，总账分析需要长文本理解，税务合规需要领域知识与合规推理——不同场景的能力需求截然不同。
- 02DeepSeek-V4-Flash的数学推理（MATH 84.3分）和计算精度在横评中表现稳定，且API免费，适合现金流预测和数据提取。
- 03通义千问Qwen3.5具备原生多模态能力，可直接‘看’发票图片提取结构化信息，适合费用审核的前置处理。
- 04智谱GLM-5.2的Function Calling成功率高达98.5%，在跨系统（ERP、WMS、税务系统）调度和三单匹配场景中可靠性最优。
- 05Kimi-K2.6拥有业界最长的2M上下文，可一次性处理数百页年报或招股书，适合总账与报表分析，但计算精度有翻车记录。
- 06文心一言5.0在金融、能源行业的合规私有化部署案例最多，工具链可直接对接税务申报系统，适合税务合规与风控场景。
- 07Braintrust报告指出，在同一模型上，不同的编排框架对任务成功率的影响是模型切换的7倍，投资工程化能力的回报率高于追逐最强模型。
- 08作者建议先选一个高频、容错度高的场景（如费用审核）做MVP，4-6周跑通闭环，再逐步扩展，急于求成是财务AI项目最大的敌人。
反方 / 局限
- — Kimi-K2.6在计算精度上有翻车记录（横评中毛利率计算出错），且无私有化部署方案，涉密财报数据场景受限，作者建议其计算结果需用DeepSeek复核。
- — 文章虽未明确讨论，但其组合方案暗示了“多模型编排”带来的工程复杂度与成本上升——需要建设模型路由、容错和审计日志机制，这对中小团队可能构成显著门槛。
- — 作者判断2026年国产模型在财务场景的可用度已过临界点，但这一结论建立在特定横评数据（CSDN）之上，若参考其他评测或实际生产环境中的延迟、成本与稳定性表现，结论可能有所不同。
DeepSeek-V4-Flash通义千问Qwen3.5智谱GLM-5.2Kimi-K2.6文心一言5.0腾讯混元Hunyuan-T1MoE架构Agent/Function Calling多模态识别RAG（检索增强生成）税务合规与风控三单匹配现金流预测BraintrustCSDN
14 分钟 · 4 卡片 · 8 资料
读原文 →