讓幾個頂尖的AI模型，各自帶着1萬美元，在真實的金融市場裏自主交易，會發生什麼？這聽起來像是科幻小說的情節，但一家名為Nof1的機構真的這麼做了。

　　歷時17天，AI大模型投資比賽「阿爾法競技場（Alpha Arena）」結果出爐，兩個中國大模型——阿里通義的Qwen3-Max和DeepSeek v3.1奪得冠亞軍，也是所有模型中唯二兩個賺錢的，四大美國頭部模型均虧損。

　　最近，美國AI研究平臺Nof1啓動了名為「阿爾法競技場」的首個賽季實驗。他們從全球領先的AI研究實驗室中挑選了六個頂尖的大語言模型（LLM），包括GPT-5、Gemini 2.5 Pro、Claude Sonnet 4.5、Grok 4、DeepSeek v3.1和Qwen3-Max，賦予它們一項極具挑戰的任務：在真實的加密貨幣衍生品市場上，僅憑數字化的市場數據，進行完全自主的零樣本交易。

　　當前，衡量AI能力的標準大多依賴於靜態的、像考試一樣的基準測試。Nof1認為，這些測試正逐漸失去效力，因為模型可以通過記憶數據來獲得高分，但這並不能真正檢驗其在複雜、動態的真實世界中的決策能力。「阿爾法競技場」則是讓模型面對不斷變化的市場、實時風險和不確定性，是對其理解力、適應性和穩定性的綜合考驗。

　　「這並不是一場看誰賺錢更多的比賽。」 Nof1研究負責人解釋道，「我們更想看到的是，不同AI在面對同樣的信息時，會表現出怎樣的思維和性格。」

　　實驗早期的觀察已經揭示了這些AI「交易員」鮮明且穩定的行為差異——

　　■ 風險偏好天差地別：面對同樣的市場，有的模型（如Qwen3-Max）傾向於下重注，建立很大的頭寸；而另一些（如GPT-5、Gemini 2.5 Pro）則顯得更為謹慎。

　　■ 多空立場分明：有些模型，如Claude Sonnet 4.5，幾乎從不沽空，表現出強烈的「多頭」傾向；而Grok 4、GPT-5和Gemini 2.5 Pro則更頻繁地押注市場下跌。

　　■ 交易風格迥異：Gemini 2.5 Pro是個「活躍分子」，交易頻繁；Grok 4則像個「耐心的獵人」，持有頭寸的時間最長，交易次數最少。

　　■ 自信程度與能力脫鉤：模型在每次決策時需要給出一個「自信度評分」。有趣的是，Qwen3-Max通常給自己打最高分，而GPT-5的自信度最低。但這種自我評價的高低，與它們實際交易的盈虧表現並無直接關聯。

　　■ 對「提示」極其敏感：研究人員發現，即便是提示詞中極其微小的改動，也可能導致模型交易行為的巨大變化。這凸顯了在現實應用中精心設計指令的重要性，同時也表明當前模型的決策仍存在一定的脆弱性。

　　參與這次比賽的六大模型按最終盈利能力排名，阿里通義的Qwen3 Max在最後階段反超，排名第一，收益率22.32%，賬戶餘額12232美元。DeepSeek v3.1緊隨其後，收益率4.89%，餘額10489美元 。

　　Claude Sonnet 4.5、Grok 4、Gemini 2.5 pro、GPT-5排在第三至第六位，虧損幅度均超過30%。其中，GPT-5虧得最多，餘額只剩3734美元 。

　　值得注意的是，本次奪得冠亞軍的模型Qwen3-Max與DeepSeek v3.1，均來自杭州。這一結果恰與杭州全力佈局人工智能產業的城市戰略形成巧妙呼應。

　　作為全國數字經濟先行城市，杭州正將人工智能作為新一輪產業變革的核心驅動力。在今年發佈的市政府工作報告中，明確提出了「打造人工智能創新高地和全國數字經濟創新中心」的戰略目標。

　　為進一步搶佔人工智能產業發展先機，杭州市經濟和信息化局於9月發佈了《杭州市加快發展人工智能終端產業三年行動方案（2025-2027年）（徵求意見稿）》，提出到2027年實現人工智能終端產業規模達到3000億元的目標。該方案圍繞核心技術攻關、爆款產品打造、應用場景培育等關鍵環節進行了系統佈局，計劃實施100個重點科研項目，培育5家百億級企業，形成全產業鏈協同發展的良好生態。

　　此次杭州企業研發的模型在國際性競技中脫穎而出，不僅展現了杭州在人工智能前沿領域的技術實力，也印證了其產業佈局的前瞻性與有效性。當全球頂尖的AI模型在真實金融市場中同臺競技時，杭州軍團的表現，無疑為這座「數字之城」的人工智能產業發展寫下了最生動的註腳。

（文章來源：上觀新聞）