一句话定义
Nashnova 不是一个更会聊天的 ChatGPT，而是一个面向投资场景的研究系统。通用大模型加 Web Search 后能做“最新”搜索，但来源仍以公开网页为主；Nashnova 接入专有结构化金融数据，并围绕投资场景做整合。
评测口径同一批 100 题 Prompt，三臂配置：Nashnova、Claude + WebSearch、GPT + WebSearch。去标识、随机分配标签、按 5 大类拆分独立盲评，打完分后才解封身份。
综合分对比
参评产品综合分逐题胜出
Nashnova79.295 / 100
Claude + WebSearch64.44 / 100
GPT + WebSearch55.91 / 100
Nashnova 领先第二名 14.8 分，领先 GPT + WebSearch 23.3 分。100 道题里 95 道综合分领先。
7 维差距在哪里
基础三维是数据接地、出处可追溯、事实精度，差距约 11-12 分。差距不只在能不能搜到来源，而在能不能把财报、研报、公告、行情和宏观变量放到同一个判断里。
高阶四维是推理质量、可执行性、完整性、时效性，差距 13-20 分。其中推理质量、可执行性、完整性三维各 96/100 题领先。
5 大市场分类
宏观
Nashnova 81.7，领先 Claude 19.1 分。
大类资产
Nashnova 79.0，领先 Claude 23.2 分。
美股
Nashnova 81.5，领先 Claude 14.6 分。
A 股与港股
A 股仍领先 8.6 分，港股领先 10.7 分，但也是后续继续补强的区域。
结论
通用大模型更像一个“读过很多公开资料、可以陪你聊投资”的助手，擅长解释概念、整理观点和做一般性拆解。
Nashnova 走的是另一条路：把研究、跟踪、复盘做成持续运行的研究系统。它的优势不是更会聊天，而是更会研究。