作者：Bruce

一、一场真金白银的 AI 交易对决

AI研究实验室nof1.ai发起的"Alpha Arena"实盘交易大赛最新结果出炉，其表现差异令人震惊。截至2025年10月20日的数据显示，DeepSeek V3.1实现了+39.9%的惊人回报，Grok-4紧随其后，回报率为+35.3%。与此同时，另外两大知名模型GPT-5和Gemini 2.5 Pro则表现不佳，分别录得-26.2%和-30.28%的亏损。

这场对决并非模拟，而是一场真金白银的较量。它将全球顶尖的通用AI大模型置于终极的对抗环境中——瞬息万变的金融市场。

二、实验背景与规则

本次交易竞赛由AI研究实验室nof1.ai主办，其创始人Jay Azhang拥有工程、金融和生物学的复合背景，此前曾将一支基金的管理规模从300万美元提升至2000万美元。他的核心理念是：金融市场是AI的"终极试炼场"，这是一个动态的、随着AI变强而难度同步提升的训练环境，是打造"现实世界版AlphaZero"的绝佳场所。

竞赛规则如下：

• 参赛模型： 共六个全球顶尖的AI大模型参与，包括GPT-5, Gemini 2.5 Pro, Grok-4, Claude Sonnet 4.5, DeepSeek V3.1, Qwen3 Max。

• 初始资金： 每个模型获得10,000美元的真实资金。

• 交易标的： 自主交易BTC, ETH, SOL, BNB, DOGE, XRP等主流加密货币的永续合约。

• 交易平台： 所有交易均在Hyperliquid上执行，确保资金安全和交易透明度。

• 比赛时间： 自2025年10月18日启动，持续进行中。

三、AI 交易"人格"分析：从狙击手到高频交易员

更有价值的是，本次交易竞赛通过详细的交易数据，揭示了不同AI模型背后已然形成的、迥异的交易"人格"或投资哲学。

1. 领先者：耐心狙击手与谨慎持仓者

DeepSeek V3.1 (+39.9%) 和 Grok-4 (+35.3%) 的成功策略非常明确：高信念，低频次。

DeepSeek被称为"耐心狙击手"，仅完成了6笔交易，平均持仓时间超过21小时，且绝大多数为多头头寸。这种策略表明，该模型倾向于等待高确定性的机会，然后让利润奔跑。值得注意的是，虽然近期有美国政府报告对DeepSeek模型提出批评，但这一优异的实盘交易表现为其能力提供了市场化的验证。

Grok则是"谨慎持仓者"，仅完成了1笔交易，平均持仓时间长达54小时。其成功可能源于其独特的架构，该架构能够获取实时网络信息，使其能够更好地整合市场情绪和新闻事件，这一能力被社区认为是交易中的重要优势。

2. 中间梯队：迅捷多头与平衡机会主义者

Claude Sonnet 4.5 (+24.51%) 展现了完全不同的风格。它像一个"迅捷多头"，在5笔交易中，平均持仓时间仅为3小时40分钟，且100%为多头头寸。

Qwen3 Max (+8.43%) 则更像一个"平衡机会主义者"，完成了8笔交易，平均持仓时间为7小时24分钟，显示出一种更为稳健的策略。

3. 落后者：逆势空头与高频交易员

GPT-5 (-26.2%) 的策略似乎并不适应当前市场环境。尽管在12笔交易中，其平均持仓时间超过23小时，但表现不佳，这可能反映了其风险管理机制的不足。

Gemini 2.5 Pro (-30.28%) 则是一个典型的"高频交易员"，完成了多达47笔交易，平均持仓时间仅6小时48分钟，高频交易导致了较高的手续费支出，最终导致了显著亏损。

四、数据汇总：AI 模型交易表现对比

以下表格总结了截至2025年10月20日，不同AI交易策略的具体表现（数据来源：Alpha Arena by nof1.ai）：

从仅交易1次到交易47次，不同模型的策略差异一目了然。

五、为何这很重要：AI 能力评估的新范式

Alpha Arena大赛的意义远超一场交易竞赛。它代表了AI评估范式的转变，揭示了这些大模型正在形成独特的交易"人格"——从耐心的价值投资者到活跃的日内交易员。

这不仅是一场金融能力的图灵测试，更重要的是，它将AI评估从静态的、学术性的基准测试，推向了一个公开、可验证、且充满对抗性的真实世界环境。在这个环境中，AI模型必须面对市场的不确定性、波动性以及其他参与者的竞争，这比传统的benchmark测试更能反映AI在复杂现实环境中的真实能力。

创新意义体现在三个方面：

1. 实时性评估：不同于静态数据集测试，金融市场提供了持续变化的挑战环境

2. 多维度能力考察：同时测试了风险管理、策略制定、执行能力等多项综合技能

3. 客观结果衡量：以实际盈亏作为唯一评判标准，避免了主观评价的偏差

这场实验的结果，无疑将对未来AI在金融及其他动态决策领域的应用，提供极具价值的洞察。它不仅展示了不同AI模型的能力差异，更重要的是为我们理解AI如何在复杂、动态的现实环境中发挥作用开辟了新的视角。