用 2025 因子日历的因子做测试，这个因子相当于是必修题+压轴大题
1. 必修题得分点：准确理解因子+用本地数据库+直接运行不出错
2. 压轴题：没有明确说明，只有名字（看对应日历页），需要模型发挥
四个模型都完成了必修题，在压轴题上各有千秋，值得一提的是只有 kimi 在过程中提示了没有找到“日历页”，其他的都直接开始自我创建
1. 效果评价
最惊喜的是kimi，生成的因子考虑了微观结构，更深层次的思考，因子稳定性高，适配多重市场（图3），跟其他模型生成的因子相关性很低（图4）
其他三家生成的因子基本思路一致，所以相关性也比较高：
qwen 的因子盈利效果最好，波动大，稳定性较差
gemini 和 cc 基本一致，生成效果也不错
2. 性价比
成本=金钱成本+精力成本+时间成本
cc 就是过于折腾费劲，而且最近还有点 zz 激进
gemini 比较全面，就是 pro 模型的每日 token 太少，集中用不到 2 小时就降为 flash
qwen 也是有额度的限制，这个也是刚开始用，所以还不太熟悉
cc+k2 送了优惠券集中使用还没用完，集中使用发现还是很便宜的，后面又用他改了一些 bug 总体消耗还可以，希望后面能出 coding 包月
3. 功能性，
多模态完整性，qwen 和 k2 的多模态读图能力还有待提高。
k2 在 cc 里面能够最大化的利用 cc 的 后台跑批（这个批量跑因子很有用） subagent（开临时测试任务），mcp
值得一提的是这次的图片都是用 kimi绘制，可能使用了论文的图做训练，生成的图很origin风格（写论文死去的回忆在攻击我）
经过横评可能后期的量化“团队”走本土化策略：cursor 做框架研发（方便回退）+cc k2（因子创建、因子跑批、因子优化）+gemini补充+继续观察 qwen
ps：本次测试使用的是自研第二版框架，只测试了因子生成部分，分析部分依赖固定框架，基本能保证控制变量
#量化 #投资 #大模型 #股市 #AI #vibecoding #kimi #claude #gemini #qwen
1. 必修题得分点：准确理解因子+用本地数据库+直接运行不出错
2. 压轴题：没有明确说明，只有名字（看对应日历页），需要模型发挥
四个模型都完成了必修题，在压轴题上各有千秋，值得一提的是只有 kimi 在过程中提示了没有找到“日历页”，其他的都直接开始自我创建
1. 效果评价
最惊喜的是kimi，生成的因子考虑了微观结构，更深层次的思考，因子稳定性高，适配多重市场（图3），跟其他模型生成的因子相关性很低（图4）
其他三家生成的因子基本思路一致，所以相关性也比较高：
qwen 的因子盈利效果最好，波动大，稳定性较差
gemini 和 cc 基本一致，生成效果也不错
2. 性价比
成本=金钱成本+精力成本+时间成本
cc 就是过于折腾费劲，而且最近还有点 zz 激进
gemini 比较全面，就是 pro 模型的每日 token 太少，集中用不到 2 小时就降为 flash
qwen 也是有额度的限制，这个也是刚开始用，所以还不太熟悉
cc+k2 送了优惠券集中使用还没用完，集中使用发现还是很便宜的，后面又用他改了一些 bug 总体消耗还可以，希望后面能出 coding 包月
3. 功能性，
多模态完整性，qwen 和 k2 的多模态读图能力还有待提高。
k2 在 cc 里面能够最大化的利用 cc 的 后台跑批（这个批量跑因子很有用） subagent（开临时测试任务），mcp
值得一提的是这次的图片都是用 kimi绘制，可能使用了论文的图做训练，生成的图很origin风格（写论文死去的回忆在攻击我）
经过横评可能后期的量化“团队”走本土化策略：cursor 做框架研发（方便回退）+cc k2（因子创建、因子跑批、因子优化）+gemini补充+继续观察 qwen
ps：本次测试使用的是自研第二版框架，只测试了因子生成部分，分析部分依赖固定框架，基本能保证控制变量
#量化 #投资 #大模型 #股市 #AI #vibecoding #kimi #claude #gemini #qwen
