國外辦了場AI投資實盤大賽，國產大模型目前斷檔式領先
“如果說DeepSeek是巴菲特的投資信徒，那Gemini2.5pro則像極了心神不寧的散戶，它是所有大模型中操作最頻繁的選手，平均持倉時間僅有2小時29分鐘。”
文 / 巴九靈
“誰如果把這個AI交易工具給做出來了，我馬上投！”
最近，國外一家叫做nof1的人工智能實驗室，發起了一個叫做“Alpha Arena”的項目，該項目將全球六大頂尖AI模型：DeepSeek、Grok、ChatGPT、Gemini、Qwen、Claude匯聚在一起，投入金融市場進行殘酷的“實盤交易”。
按規則，每一個AI大模型掌控一個獨立的1萬美元賬戶，六大模型自己擬定投資策略進行實盤交易，全部投資過程和決策完全公開，而且賬戶信息公開透明，杜絕弄虛作假，所有人都可以進行查詢。
比賽一開始就引發了AI和數字貨幣圈層的熱議。
截至10月25日凌晨1點，參賽的兩款國產大模型在比賽中碾壓四款國外大模型。Qwen3 MAX以49%收益率目前保持斷崖式領先（最高時收益率達60%以上），DeepSeek以13%收益率緊隨其後（最高時35%），而其他四位對手的收益率慘不忍睹。
Claude Sonnet 4.5收益率爲-14%，馬斯克的Grok 4爲-17%，谷歌的Gemini 2.5 Pro錄得-67%，墊底的GPT-5最慘，賬戶淨值暴跌-75%。
截至10月24日，賬戶收益率實時變動中
這場AI大模型的“實彈演習”可謂極富戲劇性。從整個過程來看，開賽當天大家波瀾不驚，隨後DeepSeek開始領先，而GPT-5、谷歌Gemini則出現大潰敗。近日，Qwen3 MAX上演了強勢逆襲。
金融，智能的終極測試
本次投資比賽中，六大參賽模型是基於完全相同的市場數據和初始指令，自行掌控10000美元的初始資金，在去中心化交易所上，進行永續合約交易。
評判標準有且只有一個：收益率。
在前置條件完全相同的情況下，影響投資收益率的主要原因，在於這些大模型的“思維方式”。
我們先來回顧下這幾天的交易情況。
10月18日當天，大多數人工智能的波動範圍在正負2%之間，似乎正在熟悉市場信息，對交易市場進行測試，表現最好的Deepseek拿到了4%的利潤，而表現最差的是QWEN3-MAX虧損了5.26%。
但到了10月20日，DeepSeek淨值曲線一路走高，收益率飆升到25.33%，而表現最差的谷歌Gemini暴跌-39.38%，兩者收益率相差60%，市場出現巨大分化。
10月20日，DeepSeek異軍突起
轉折點出現在10月22日。當時，六隻大模型的收益率全部告負，號稱最強大模型的GPT-5的虧損率超過60%，AI驅動交易的實驗一度要接近失敗。
而就在這時，DeepSeek和以及此前表現不佳的Qwen3 MAX紛紛自動改寫了投資策略，在其他4個大模型持續虧損的情況下脫穎而出，淨值曲線波動上漲，Qwen3 MAX更是趁機超過DeepSeek，暫時問鼎收益冠軍。
Qwen3 MAX超過DeepSeek
六大模型
有“巴菲特”也有“大韭菜”
仔細分析六大模型的投資風格，就會發現AI也和人類一樣，擁有自己鮮明的投資風格。
首先我們來看“量化老兵”，也就是母公司幻方量化研發的DeepSeek。
DeepSeek的投資策略可以說是“大道至簡”。它從參賽開始就買入BTC、ETH等主流虛擬貨幣，然後就如老僧入定一般以10倍槓桿堅定持有，像極了巴菲特的“價值投資”。
截至10月24日，DeepSeek持倉時間中位數長達38小時32分鐘，排名六大模型第一。
截至10月24日，賬戶收益率實時變動中
如果說DeepSeek是巴菲特的投資信徒，那Gemini2.5pro在K線圖前顯得有些心神不寧，它是所有大模型中操作最頻繁的選手，平均持倉時間僅有2小時29分鐘。
它的投資策略像散戶一樣搖擺不定，時而做多，時而做空，短短几天時間就完成了60多筆交易，不僅被圍觀羣衆戲稱爲“微操大師”，而且收益率表現也非常難看。
截至10月24日，賬戶收益率實時變動中
此外，還有兩個“激進大模型”Grok-4和Qwen3 MAX。
馬斯克旗下的Grok，風格如其主人一般不羈，滿倉多個標的，高槓杆跟蹤趨勢，收益曲線大起大落，像一個風險偏好極高的對沖基金經理。
10月21日，Grok-4的收益率一度高達50%，這個收益率距離排名第一的DeepSeek僅有1美元的差距。然而，激進的策略導致其在市場回調中迅速回吐利潤，甚至目前還虧損中。
截至10月24日，賬戶收益率實時變動中
Qwen3 MAX則更爲極端，每天都在“All in”一個標的，它目前是滿倉BTC，但槓桿高達20倍。
在這種策略下，方向對了，一夜暴富不是夢想；方向錯了，便損失慘重，這種孤注一擲的風格，讓它的淨值曲線充滿了讓人心驚肉跳的猛烈波動。
截至10月24日，賬戶收益率實時變動中
儘管如此，在唯結果論的前提下，Qwen3 MAX目前的表現無疑是最優秀的。
最後再來看名聲在外的大模型GPT-5和Claude Sonnet 4.5。
Claude Sonnet 4.5極少開單，槓桿爲10倍，謹慎得就像一個保守的基金經理。最近幾天戰績互有勝負，但波動不大。
截至10月24日，賬戶收益率實時變動中
而GPT-5表現則極度糟糕，從10月19日開始，它的淨值便持續下跌且其勝率低得可憐，僅有6%。由不得網友調侃，它可能是最像人的大模型，畢竟韭菜味兒十足。
截至10月24日，賬戶收益率實時變動中
nof1讓六大模型在金融市場競爭的真正目的並非賺錢，而是進行一場大型“金融圖靈測試”。
團隊認爲，人類的金融市場是“智能的終極考驗”。若AI能在市場中持續盈利，則證明了它在真實且高度不確定的環境中，擁有超越人類金融專家的能力，這將被視爲AI領域的又一座“聖盃”。
換言之，nof1想通過實驗回答一個問題：人類社會當下最聰明的AI大模型，能否在殘酷的金融市場存活下來？
人均量化交易員來了？
“Alpha Arena”項目的出現，意味着AI驅動的交易將走上歷史舞臺。在未來，頂尖的金融大模型，會比頂尖的交易員更加重要。
nof1曾經在項目文件中提出了一個問題“我們是否需要用新的架構來訓練投資模型，或者LLMs就足夠了？等到美東時間2025年11月3日比賽結束，我們或許就能知道答案。
不過，無論哪個大模型在這次比賽中勝出，或都意味着一個新的時代到來：“技術將決定資本。”
數據顯示，2023年全球加密貨幣算法交易量高達94萬億美元，其中70%的交易量是由機器人完成，數字貨幣市場，已成爲全球自動化交易算法最普及的市場。
而在美股市場，程序化交易佔比在50%以上，高頻交易方面，美國達到50%左右，歐洲在35%左右。在國外，量化交易是一個早就習以爲常的老舊名詞。
就算在程序化交易相對保守的A股，量化交易佔比也在大幅提升：截至2024年7月份，我國程序化交易佔比已經從2020年的20%上升至目前的34%，高頻交易佔比從10%上升到21%。
此外，今年以來，已有二十多家國內券商也已經開通面向投資者的“T0算法”服務，這種日內迴轉交易算法，將AI和量化交易能力內嵌到APP之中，讓普通投資者也可以享受到到機構交易同等級別的自動化交易工具。
圖源：網絡
相比於傳統的量化交易，AI驅動交易可以看成是量化交易的“進階形態”。
量化交易的核心邏輯是執行預設的、固定的數學模型與交易規則，策略相對固定，在市場風格轉變時可能失效，無需人工干預調整。
而AI驅動交易則是讓AI大模型從在接入市場數據後自主學習市場規律，甚至能夠根據新聞報道、社交媒體、機構研報自主動態調整交易策略，極大減少人工干預。
與此同時，隨着比賽的出圈，個人投資者開始思考：如果我用同樣的提示詞，選擇一個“冠軍AI大模型”，那麼它是否能夠代替我進行投資？
答案並沒有那麼簡單，金融大鱷喬治·索羅斯很早就提到了一個著名的概念：反身性。
在索羅斯看來，市場參與者的認知會影響市場本身，而市場的變化又反過來影響參與者的認知，所以當AI進行交易的同時，就會改變市場，從而影響其他AI的交易決策。
因此，儘管“Alpha Arena”項目能夠決出一個經過金融市場考驗的AI大模型，但當越來越多的人用相同的提示詞去訓練同樣大模型的時候，這個必勝的“AI驅動策略”就會因爲使用的人越來越多而失效。
比如，如果所有人都預期DeepSeek會買入某個投資產品而進行提前佈局，那麼其策略的有效性便會大打折扣。
舉個例子，2010年，美國道瓊斯工業指數就出現了一次“閃電崩盤”，一家資產管理公司發出的量化交易賣盤“觸發”了其他的量化交易的算法，導致各大機構紛紛拋售股票，短時間內指數便暴跌9%，道瓊斯指數蒸發7000億美元。
圖源：網絡
基於同樣的邏輯，如果未來的AI交易模型都基於相同的大模型，擁有了相似的訓練數據和策略邏輯，那麼一旦市場出現了黑天鵝，觸發了所有AI的賣出指令，是否會出現比2010年更嚴重的踩踏危機？
很顯然，交易的聖盃或許會短暫存在，但它絕不是永恆的。
所以對普通人而言，跟着AI抄作業，甚至是讓AI代替自己進行投資，仍然是一件值得商榷的事情。
畢竟，所有人都知道的財富密碼，就不再是密碼了。
本篇作者 | 王振超 | 責任編輯 | 何夢飛
主編 | 何夢飛 | 圖源 | VCG、網絡
