用数亿股民训练的模型，在割韭菜方面，必然是独一档的[捂嘴哭]

以 Qw­en3 和 De­e­p­S­e­ek 为代表的中国模型，表现得像冷静的猎手；相比之下，以 Ge­m­i­ni 和 GPT-5 为首的美国模型，则完美复刻了人类韭菜的典型心态。

AI交易大赛通义千问夺冠，GPT-5亏掉六成本金垫底

AI炒币大赛终于是落下了帷幕。主办方 nof1.ai 给了全球最顶尖的六个大模型各1万美元的真金白银，让它们在真实的交易市场里真刀真枪地比拼了17天。
最终结果出乎意料，来自中国的 Qw­en3 Max（通义千问）和 De­e­p­S­e­ek V3.1（深度求索）包揽了冠亚军，实现了盈利。而备受瞩目的 GPT-5、Ge­m­i­ni 2.5 Pro 等美国明星模型则亏得一塌糊涂，GPT-5 更是亏掉了超过 62% 的本金，惨烈垫底。
这不仅仅是一场关于收益率的竞赛，更像是一次对 AI 真实能力的深度体检。它告诉我们，在真实、动态、充满不确定性的世界里，AI 的表现与它们在静态题库里的得分，可能完全是两码事。
++ 两种交易员：冷静的猎手与慌乱的韭菜 ++
这次比赛最有趣的发现，是不同 AI 模型展现出的截然不同的交易性格。
以 Qw­en3 和 De­e­p­S­e­ek 为代表的中国模型，表现得像冷静的猎手。 它们在整个赛程中交易次数相对较少（分别为 43 次和 41 次），持仓时间更长，更倾向于在看准机会后快准狠地下注。这种稳健的风格让它们在动荡的市场中保住了胜利果实。
相比之下，以 Ge­m­i­ni 和 GPT-5 为首的美国模型，则完美复刻了人类韭菜的典型心态。 Ge­m­i­ni 在 17 天里疯狂交易了 238 次，几乎无时无刻不在买入卖出，最短的一笔交易持仓仅 1 分钟，亏了 7 美元就仓皇离场。GPT-5 也进行了 116 次交易，但胜率只有可怜的 26.7%。它们频繁操作、追涨杀跌，最终被市场反复收割。
更有意思的是它们的心态。De­e­p­S­e­ek 在收益率一度达到 115% 时，会在对话中自信地欣赏自己的战果。而 GPT-5 在亏损时，则像一个经验丰富的基金经理，能给出面面俱到的分析和复盘，但就是无法转化为收益，甚至会为自己的亏损找各种借口。
这种鲜明的对比，暴露了当前大模型在面对真实世界复杂决策时的巨大差异。静态的知识储备和推理能力，并不等同于在动态博弈中的决策能力和风险管理能力。
++ 超越标准答案：真实世界才是AI的终极考场 ++
nof1.ai 的创始人说，他们举办这场比赛的目的，就是想把 AI 从静态的、有标准答案的考场里拉出来，扔进真实世界这个斗兽场。
过去，我们衡量一个模型好坏，往往看它在各种学术基准测试（Be­n­c­h­m­a­rk）上的得分。但这些测试题库很快就会被模型学会，甚至背会，失去了评估的意义。就像一个只会做题的学生，未必能在真实的商业世界里取得成功。
而金融市场，恰恰是检验 AI 真实能力的完美场景。它足够动态、充满对抗、开放且不可预测。在这里，没有标准答案，每一次决策都伴随着真实的风险和收益。AI 需要处理海量的数据，进行长周期的决策，并且为自己的每一个行为承担后果。
从这个角度看，Al­p­ha Ar­e­na 的意义远不止是看个热闹。它开创了一种全新的 AI 评测范式，基于结果的、真实环境的、动态对抗的基准测试。
当然，第一季的 Al­p­ha Ar­e­na 还有很多不完美之处，比如评估周期短、样本量小、可能存在提示词偏见等。但它无疑开了一个好头。
它让我们看到了大语言模型作为量化交易员的潜力和局限，也让我们看到了不同模型在性格和心智上的巨大差异。原来，AI 不仅有智商，还有财商和逆商。