随着人工智能技术的快速发展，智能财务稽核成为数字化转型的关键环节，如何将类似DeepSeek的大模型应用于高校财务稽核系统中是亟需解决的热点问题。文章通过构建融合多模态数据的智能财务稽核模型，深入研究了DeepSeek在智能财务稽核中的应用。研究结果表明：多模态数据融合显著提高了异常检测的准确性和效率，进一步丰富了模型的输入信息，提升了模型对复杂场景的适应能力；动态优化模型能够根据不同的风险水平调整审批阈值，有效降低补正率并提高准确率。此外，通过模拟三种不同深度的语义理解方法，验证了领域知识推理在识别语义矛盾案例中的优越性能。该研究为财务智能化转型提供了可落地的技术方案。