你猜怎么着？SkyClaw-v1.0，这款昆仑万维自主研发的原生Agent模型，一亮相就带着几分“挑衅”姿态。它拥有百万token的超长上下文，专为真实工作流设计，集多步执行、工具调用与长链路推理于一身，底子相当硬核。性能上直接与Minimax 2.7等开源模型拉开明显差距，甚至逼近Claude Opus 4.6这类顶级闭源模型，更关键的是定价仅为同类产品的一半，确实令人瞩目。 有意思的是，它在投研分析这件事上，做得很不一样。不是简单地把财报丢给模型问一句“值不值得买”，而是让模型真正去理解数据背后的业务逻辑、市场定位以及风险信号。关键之处在于：模型能力与真实投资数据流之间的深度咬合。 先说多步投研任务。传统AI顶多回答你“这家公司毛利率多少”，而SkyClaw-v1.0在Agent环境下会自动推进一整套分析链条。第一步，调用Skywork Search技能，实时抓取最新财报原文、监管问询函、行业研报PDF；紧接着，用Skywork Excel技能解析表格数据，自动比对近三年销售费用率和营收增速是否匹配；再然后，触发DeepResearch Agent v2，把“应收账款周转天数上升+合同负债下降”这种组合信号投入行业知识图谱中识别，判断是否为典型的收入确认激进特征。最后生成带溯源锚点的研判卡片，结论边上直接嵌入原始数据截图坐标和网页快照时间戳。整个过程，人工不需要切换工具，也无需复制粘贴，全在一个长上下文会话中闭环完成。 数据驱动判断这块，采用双轨并行机制。投资决策依赖两类信息：一类是硬邦邦的结构化数据，包括财报、行情、供应链数据；另一类是非结构化的语义信息，如管理层讨论、电话会议纪要、新闻舆情中隐含的态度。Skywork的处理方式是分层融合再交叉验证。结构化层面，直接读取Excel/CSV中的财务指标，自动校验勾稽关系，例如现金流量表中的“销售商品收到现金”大致应等于利润表中营业收入乘以(1+增值税率)再减去应收账款净增加额。语义层面，用Skywork Document模式加载PDF版年报，模型不仅能提取出“研发投入增长25%”，还会关联上下文判断这笔资金是“为新产线预研”还是“旧项目延期追加”，甚至会打上可信度标签。到了交叉验证环节，当语义层提到“产能利用率超90%”时，系统自动反查设备折旧年限和固定资产净值变化，看这个表述是否与资本开支节奏一致。 金融场景容错率极低，这是共识。因此Skywork为投研应用设定了三条硬约束，绕不过去。第一是来源强制标注：所有数据引用必须带可点击的溯源链接，如果原始网页失效，整段结论自动标灰并暂停推送。第二是矛盾信号熔断：当模型同时识别出“毛利率提升”和“单位销售费用上升18%”这种组合时，不强行给出倾向性判断，而是弹出对比分析框，列出同业中同类组合的三种典型归因，让使用者自行判断。第三是阈值动态锁定：对PE、PB这类倍数指标，不再使用固定行业均值，而是调用天工研究院的Q2行业估值中枢数据库，按市值分位、成长性分档，实时生成参考区间，直接标出当前值落入哪一档。 这种结合，不是把模型当搜索引擎用，而是把它变成一位懂会计、读得懂话外音、并且永远带着底稿习惯的助理分析师。