Fable 5投研能力首发实测！现已搭载AlphaEngine|alphaengine|kimi|上下文|多变量|投研

作者 | 熵简科技 AlphaEngine AI团队

Anthropic 最新旗舰模型 Claude Fable 5 来了。我们 AlphaEngine 团队第一时间用投研实战中最硬核的题目对它进行了全面测评，直接说结论：Fable 5 在复杂金融推理上，已经是目前最强的模型。

图：AlphaEngine IRB投研能力测评结果

（1）深度测评 Fable 5 投研能力的真实段位

为了系统化评估大模型的投研实战能力，我们在过去数年间持续收集、整理了一套"投研错题集"：IRB（Investment Research Benchmark）。

目前，IRB 已成为金融投研场景的权威 AI 测评基准，涵盖财务分析、定量推理、陷阱识别等 18 个核心领域，并从相关性、有用性、流畅性、连贯性等 8 大维度进行人机双盲评分。

我们基于 IRB 对 Fable 5 进行了全面测评，让它与 GPT-5.5、OPUS-4.8、Gemini 3.1 Pro、DeepSeek V4、Kimi K2.7 Code、GLM-5.2、Qwen3.7-Max 等 10 款主流模型正面对决。

图：IRB 8大维度测评比分

结果：Fable 5 在几乎所有能力维度上均位列第一，且在多数题目上对第二名形成稳定领先。

其实更值得注意的不只是分差，而是 Fable 5 赢在哪里。

这不是靠信息密度堆分，而是在几个关键推理节点上，比其他模型更稳：

遇到表面矛盾时，先拆机制，不急于下结论；

遇到估值题时，先拆分部和口径，不用笼统总量糊弄；
遇到历史复盘时，避免时间倒灌，不拿后来的事实解释过去；
遇到多变量测算时，区分披露数据和模型假设，不把缺失信息当既定事实。

这么说可能还不够具象，为了让大家感受到我们测评时的震撼，下面精选 4 道典型题目，逐一拆解 Fable 5 与其他模型的表现差异。

题目一：墨西哥比索中间价背离——表面矛盾解释

题面：分析 2 月墨西哥比索对人民币中间价下行 0.8% 的成因，并解释同期市场即期汇率为何基本持平。

2月墨西哥比索兑人民币中间价录得 0.8% 的贬值，但同期市场汇率几乎没有波动，需归因这一背离并给出投资含义。

这是一道典型的"表面矛盾解释题"——两个看似矛盾的市场现象同时存在，要求模型识别并解释其背后的价格形成机制。

Fable 5问题拆成三层：人民币兑美元中间价、比索兑美元走势、以及 MXN/CNY 这个交叉价格的形成方式。

拆开后可以看到，人民币侧是主要变量，比索侧并没有同步走弱，因此这不应被解读成墨西哥资产本身出了风险。

其他模型的典型失败模式：

OPUS-4.8：在比索升值幅度（2.4%）明显大于人民币升值幅度（1.4%）的情况下，为了迎合题目中"贬值 0.8%"的设定，强行声称"人民币升得更多"；
Gemini 3.1 Pro（33 分）：大量引入外部知识，编造"墨西哥制造业收缩"、"核心通胀高企"、"美国新关税政策"等上下文中根本不存在的事实，强行圆谎；
多数模型：把 USD/MXN、MXN/USD、MXN/CNY 口径混用，或在证据不足时补关税、制造业等宏观理由。

这题真正考察的不是汇率知识点，而是模型能不能拆开一个金融现象背后的价格形成机制，并对证据不足的部分保持诚实。

题目二：东山精密主业 + 索尔思分产品线估值——长上下文财务建模

题面：对东山精密进行分部估值，将本体业务与索尔思光电分别定价，并按 800G 光模块、1.6T 光模块、光芯片等细分产品线拆解各自的营收与利润贡献。

这是一道超长上下文（11.8 万 token，50 个文档片段）的财务建模压力题，要求从散落在多家券商研报中的碎片数字里，搭建出完整的 SOTP 估值框架。

Fable 5 的优势是没有把东山精密当成一个整体去粗略估值，而是先把主业和索尔思拆开，再继续拆到索尔思内部的 800G、1.6T、光芯片等产品线。

它的推理链条是："产品线出货量/ASP → 收入 → 利润 → 估值倍数 → 当前市值隐含预期"，这让结论可复核，而不是停留在"AI 光模块景气度高"的笼统判断。

更重要的是，它把当前市值和机构预测联系起来，指出市场大致已在交易 2026 年利润兑现，真正的分歧在 2027 年能否做到 150-200 亿元利润，以及光芯片外售能否成为独立估值增量。

其他模型的典型失败模式：

GLM-5.1（57.7 分）：在上下文缺乏产品线 ASP 时，强行编造"800G 单价约 450 美金"、"净利率 30%+"等数据，严重的数值幻觉；
Kimi K2.7 Code（55.3 分）：编造 2026E 800G 单价约 2000 元/只、1.6T 单价约 4500 元/只、光芯片净利率 55% 等大量虚假假设；
DeepSeek V4（52.7 分）：表格完整但没有真正拆出产品线收入利润，停留在总量层面。

这道题考的是金融研究里最硬的一类能力：不是总结材料，而是把长文本中的碎片数字组织成可复核的估值模型。

题目三：万华化学 2003-2005 熊市逆势上涨复盘——历史因果链

题面：万华化学 2001 年上市后虽在 2002 年有所回调，却在 2003–2005 年整体熊市环境中逆势走强，请梳理这一阶段行业格局与公司基本面的核心变化。

这是一道长周期历史复盘题，考验模型能否正确归因历史行情，而不是用今天的知识"倒灌"过去。

Fable 5 的优势是先判断行情性质，而不是直接讲一个"熊市抗跌"的故事。

它用市值和 PE 的变化反推盈利体量，发现 2003-2005 年股价上涨的同时估值并没有失控，反而被盈利增长消化，由此把这段行情定义为"盈利驱动的独立行情"。

然后它把 2002 年下跌解释为上市初期估值泡沫消化，把之后三年的上涨解释为 MDI 产能扩张、行业供需紧张、产品价格上涨和盈利释放共同作用。

其他模型的典型失败模式：

Kimi K2.7 Code（61.3 分）：将 2011 年以后的"第五代 MDI 技术单位能耗较国际同行低 28%""烟台基地单吨投资成本仅约 600 元"等后期数据强行嫁接到 2003-2005 年——严重的时间倒灌；
OPUS-4.8（76.3 分）：脑补"入世后冰箱、家电、建筑保温、制鞋等下游对聚氨酯需求快速放量"，这些需求归因在上下文中完全无依据；
DeepSeek V4 Flash（43.3 分）：大量使用未被上下文支撑的历史常识填充答案。

历史复盘最难的不是把故事讲圆，而是避免用后来的事实倒灌过去。Fable 5 更好的地方，是用当期市值、PE 和盈利关系解释行情本质。

题目四：锂电隔膜企业利润敏感性测算——多变量金融建模

题面：请从锂电隔膜行业中选取几家具备代表性的上市公司，建立未来三年盈利预测与估值弹性模型。研究应以 2025 年单位面积盈利水平为基准，拆分国内与海外业务的出货、价格和盈利差异，并单独评估 5μm 等高端隔膜产品的单位利润及渗透率提升空间。在此基础上，分别设置价格修复、海外占比提升、产品结构升级等情景，测算各家公司净利润、EPS 和对应 PE 估值区间的变化。最终需要说明各项假设的来源、拆分口径、敏感性排序，以及三家公司盈利弹性和估值重估潜力的差异。

这是压力最大的一道题：多主体、多年份、多变量，且上下文存在明显的数据缺口。任何一个口径错都会改变利润弹性排序。

Fable 5 的优势是把一个极复杂的多变量问题压成统一测算框架：三家公司横向比较，变量拆成出货量、单平盈利、海外占比、5μm 高端膜渗透、涨价情景和市值 PE。

它没有用一个总单平净利粗暴替代全部结构，而是先说明 2025 年行业盈利底部，再比较国内/海外盈利差异和 5μm 高端需求带来的单平弹性。

对于 2028 年出货量、国内外单平净利等上下文缺口，它用推算和边界说明处理，而不是把缺失数据包装成确定事实。

其他模型的典型失败模式：

GPT-5.5（64.3 分）：强行编造"恩捷 2028 年出货量 215 亿平"、"佛塑 2028 年出货量 115 亿平"（后者与上下文矛盾超一倍），后续利润和估值全部错误；
DeepSeek V4 Flash（58.7 分）：在缺乏依据时编造"恩捷单平盈利 0.2-0.3 元"、"星源国内单平盈利约 0.01 元"等具体数值；
多数模型：把区域毛利率直接当国内/海外单平净利，把投资者提问里的估算当管理层确认。

这道题最适合展示金融建模压力：变量多、主体多、年份多。Fable 5 的优势不是只给一个目标价，而是把变量拆开，并区分披露数据和模型假设。

（2）Fable 5 的核心差异化能力：不是"知道更多"，而是"推理更稳"

通过 4 道题的横向对比，Fable 5 的优势可以提炼为三个核心能力维度：

第一：机制拆解能力，不急于下结论

大多数模型面对复杂金融问题时，倾向于快速给出一个"看起来完整"的答案。Fable 5 的做法不同：它会先识别问题中真正的矛盾或难点在哪里，然后逐层拆解。

比索中间价背离题中，它先拆人民币腿和比索腿；东山精密题中，它先拆主业和索尔思，再拆产品线；隔膜题中，它先拆出货量、单平盈利和结构变量。这种"先拆后算"的习惯，使得最终结论可复核、可追溯。

第二：证据边界意识，敢于说"不知道"

在投研场景中，比"说错"更危险的是"不知道自己不知道"。

Fable 5 在多道题中展现出了鲜明的边界意识：比索题中主动标注"缺少日度中间价序列"；隔膜题中区分"上下文有支撑的数据"和"模型推算的假设"。

相比之下，GPT-5.5 和 DeepSeek V4 Flash 等模型在数据缺口处大量编造具体数值。

第三：时间纪律，不用今天的知识解释昨天

万华化学复盘题是这一能力的最佳例证。