报告介绍阿里最新发布的Qwen3-Max大型模型及DeepSeek最新版本V3.2-Exp,重点分析两者性能及API价格变化;详细追踪2025年9月下旬ETF资金流动、交易情况及基金表现,涵盖增强策略ETF与主动权益基金,系统梳理基金发行、申购及风险提示,为投资者监测基金市场动态提供参考;重点展示增强指数型基金超额收益与绩优基金表现
| 证券代码 | 证券名称 | 上周超额收益率(%) | 2025年以来超额收益率(%) | 近1年超额收益率(%) |
|---|---|---|---|---|
| 159552.0F | 招商中证2000增强策略ETF | 1.59 | 21.11 | 26.86 |
| 016962.0F | 国联安中证1000指数增强A | 1.66 | - | 11.83 |
| 015387.0F | 中欧沪深300指数增强A | 0.91 | 9.45 | - |
| 003986.0F | 申万菱信中证500优选增强A | 1.62 | 0.87 | - |
| 018786.0F | 招商国证2000指数增强A | 1.51 | 7.71 | - |
上周ETF申报9只,涉及跨境、主题及Smart Beta。
7只ETF新上市,涵盖行业主题、Smart Beta、跨境及宽基类型。
核心论点总结: 报告介绍了阿里Qwen团队最新发布的Qwen3-Max模型及DeepSeek-V3.2-Exp模型在规模和性能方面的领先地位,技术上强调长文本分析能力和稀疏注意力机制以提升推理效率,并对比了API的价格变动。此外,报告详细回顾了2025年9月下旬ETF市场资金流动和交易情况、增强策略ETF表现,以及主动权益型及增强指数型基金的最新业绩,最后对相关风险做了披露。报告整体展现了人工智能技术进步与市场资产配置的深度融合趋势。,1,2,3,4,5,6,7,8,10]
关键论点与信息:
Qwen3-Max 是阿里量子智能团队迄今规模最大、能力最强的模型,参数超过 1万亿,预训练使用的数据达到 36万亿tokens。上下文长度大幅提升至256K tokens,极大拓宽了长文本处理能力。Qwen3-Max-Instruct已展示优异性能,推理增强版本Qwen3-Max-Thinking仍在训练中。
DeepSeek方面,V3.2-Exp采用创新的 DeepSeek Sparse Attention(DSA)稀疏注意力机制,有效降低长文本推理成本,API价格显著下降。
逻辑与假设解释:
模型参数量和预训练token数量是衡量大型语言模型能力的关键指标,更多参数和数据通常意味着更强的泛化和理解能力。上下文长度提升是针对实际应用中长文档、长对话处理的需求。DSA机制则是在传统的自注意力机制基础上,减少冗余计算,提升效率,降低成本,这是当前大模型工程的主流优化方向。
关键数据点:
预测与推断:
这些技术进步预示着阿里系的通用大模型竞争力持续增强,成本控制措施有望支持更广泛的商业化采纳。较高的上下文支持尤其适合金融、法律等长文本领域应用。
图表1(Qwen3-Max-Instruct表现对比图)
描述了Qwen3-Max-Instruct与其他模型(如Qwen3基础版本、Claude Opus 4、DeepSeek-V3.1)在多个基准测试上的表现。Qwen3-Max-Instruct各项指标均显著优异,尤其是在AIME25数学推理测试和Tau2-Bench智能体工具调用能力上表现领先。
图表2(推理成本对比图)
显示DeepSeek-V3.2-Exp相比V3.1-Terminus在不同token位置上的预处理(Prefilling)和解码(Decoding)推理成本显著降低,成本随token位置线性增长但增幅明显缓和,验证了DSA稀疏注意力机制在降低长文本推理成本上的有效性。
图表3(API价格对比表)
直接展现了不同模型各档输入输出端的价格,突出DeepSeek-V3.2-Exp极具竞争力的价格优势,也反映出Qwen3-Max仍处于较高成本阶段。
这些图表整体支撑了文本部分关于模型性能领先且成本结构优化的结论。
一级市场资金流动(2025.09.22-26)
资金净流入总量1143.39亿元,债券型ETF资金流入占比最高(779.29亿元),股票型(229.49亿元)、跨境(104.29亿元)及商品型(30.32亿元)其次。股票型ETF中,A500 ETF资金流入显著(105.20亿元),主题行业ETF整体净流入233.38亿元,尤其是科技(171.55亿元)、金融地产(45.26亿元)和高端制造(42.46亿元)板块资金青睐度高,医药生物和周期板块资金呈净流出。
二级市场交易情况
非货币ETF总成交额达到约2.1万亿元,股票型ETF成交额为6893.92亿元,主题行业和宽基ETF交易活跃,科技ETF尤其受到杠杆资金偏好,表现为8.48亿元融资净买入额较高。
图表4-9解读
资金流与成交额结构详尽展示了ETF类型资金偏好和市场活跃度。图表4和5反映债券型ETF资金流入最为稳定,图表6和9细化分析宽基及主题/行业ETF内部分流动和交易。A500、科技ETF是市场关注重点。这些数据体现了市场偏好向成长科技和结构性行业倾斜,且资金配置向相对安全的债券及跨境 ETF 兼顾分散风险。,4]
增强策略ETF现状
共有51只增强策略ETF上市交易,30只上周超越业绩基准,33只成立满1年且 25只表现正超额收益,招商中证2000增强策略ETF表现最佳,近1年超额收益26.86%。
主动权益型基金表现
上周收益前五名中,集中在信息创新、人工智能主题及集成电路类基金,收益率达12.58%~14.80%,显示科技与创新主题基金持续受益。近一年来看,灵活配置型、偏股混合型和普通股票型几大基金细分领域皆有显著业绩表现,个别基金一年收益超过200%。
主动量化基金近1年收益率中位数达到46.56%,主题基金中制造主题本周表现较好,医药与TMT近1年业绩领先。
增强指数型基金表现
沪深300、中证500、中证1000和国证2000增强型基金均出现不同程度超额收益,近一年表现最优个别基金超额收益达20%以上。
图表11-19展现了ETF和基金的业绩排名、超额收益率及发行上市情况,具体包括各类增强策略ETF、主动权益及增强指数型基金的业绩统计和产品发行进展,反映出基金产品创新与市场表现的整体健康态势。
这些内容显示当前基金市场对科技成长板块及创新主题持续给予资金及业绩认可,同时增强指数策略通过量化方法实现了超额收益,积极的基金发行预示后续产品多样性和基金经理策略能力的持续提升。,6,7,8]
报告明确提示投资者需关注宏观政策、市场环境对基金产品的潜在影响,认识模型和策略的局限性。此种保守谨慎风险声明是市场研究报告中的标准合规内容。,8]
| 图表编号 | 描述 | 关键数据与趋势 | 文本对应论点支持 | 额外分析 |
|---|---|---|---|---|
| 图表1 | Qwen3-Max-Instruct在SuperGPQA, AIME25, LiveCodeBench v6等基准的成绩对比(百分制) | Qwen3-Max-Instruct数字均处领先,尤其是AIME25(81.6%)和Tau2-Bench(74.8%)优于其他模型 | 支持Qwen3-Max在复杂推理和工具调用能力上的优势 | 测试范围多元,体现模型多面能力 |
| 图表2 | DeepSeek-V3.2-Exp vs DeepSeek-V3.1-Terminus推理成本对比,展示不同token长度下预处理与解码成本变化 | DeepSeek-V3.2-Exp在所有token位置显著低于V3.1,成本增长斜率明显减少 | 佐证DeepSeek稀疏注意力机制实现推理效率提升和成本下降 | 重点充分验证实际API成本降低来源 |
| 图表3 | 不同模型API输入输出价格比较表(元/百万token) | Qwen3-Max成本最高,从6 | 体现技术进步带来商业化成本结构优化 | 不同价格适应不同客户需求 |
| 图表4-6 | 各类非货币ETF资金流入情况,按债券、股票、跨境、商品分类;股票类分为主题/行业、宽基等细分,进一步细分具体ETF | 债券型ETF资金流入最大,科技、金融地产主题行业ETF资金净流入最多,医药和周期资金净流出 | 反映资金对稳健资产的偏好及对科技成长主题的热情 | 反映市场资金配置结构,资本市场风险偏好差异 |
| 图表7-9 | 非货币ETF不同类型交易额统计,股票型ETF中主题行业交易活跃 | 股票型ETF尤其主题/行业ETF交易热度较高,科技ETF融资买入明显 | 与一级市场资金流入情况吻合,显示资金活跃度和杠杆热衷领域 | 交易热度证明资金作用效率 |
| 图表10-19 | 一系列基金表现排名表、发行与上市基金列表、主动权益及增强指数型基金业绩情况,细分具体基金的超额收益率和成立日期等 | 定量展现科技、人工智能、信息创新相关基金业绩亮眼,增强策略基金整体表现积极 | 支持报告对基金行业结构优化的观点与投资逻辑 | 可用于基金产品筛选及投资组合调优 |
以上图表和数据具有高度信息浓缩和展示价值,是理解AI模型技术进步及基金市场动态的关键支撑材料。,3,4,5,6,7,8]
报告未涉及具体个股或基金的估值模型分析,如DCF、市盈率等;主要聚焦于模型技术发布、API价格、基金及ETF的资金流和业绩表现。因此本报告不含详细估值分析部分。
这些风险提示增强了报告的合规性和客观性,使投资者对模型和数据结果保持审慎。,8]
这些细节揭示了技术和市场生态的复杂性,需要投资者不断更新认知。,2,3,7,8]
本报告详细介绍了阿里Qwen3-Max与DeepSeek-V3.2-Exp两款领先自然语言处理大模型,技术指标如参数规模(超过1万亿)、超长上下文(256K tokens)、稀疏注意力机制等,展现了中国大模型技术突飞猛进和成本结构优化路径,API价格差异明确体现了性能与效率的平衡取舍。基准测试数据支持Qwen3-Max在数学推理、工具调用等智能体能力上的领先表现,但在编程挑战部分存在些许差距。
ETF市场方面,报告通过详尽的资金流动和交易数据解读,精准呈现债券型及科技主题ETF资金需求旺盛,市场整体资金流向表现稳健,反映出当前投资者偏好与产业结构的变化。增强策略ETF和主动权益类型基金多数实现正超额收益,个别表现优异,显示基金管理人策略执行和市场选择的持续优化。
风险提示到位,恰当提醒投资者谨慎对待模型失效和历史数据局限,基金业绩的不确定性以及市场波动。
总体上,报告体现了金融科技与资产管理市场的深度融合,强调新一代大模型技术不仅提升了信息处理能力,也通过API市场机制促进了商业应用效率,而投资市场则在多层维度结构性机会中稳健前行。该报告为投资者理解科技变革带来的资产配置机会及相关风险提供了丰富数据支撑和理性分析。
阿里推出Qwen3-Max模型,DeepSeek-V3.2-Exp发布【国金金工高智威团队】.pdf