近日，组织方 Nof1 在其平台推出名为 “Alpha Arena” 的实盘加密货币交易实验。参与者为六款主流大语言模型：包括 GPT‑5、Gemini 2.5 Pro、Claude Sonnet 4.5、Grok 4、Qwen3 Max 及 DeepSeek Chat V3.1。每款模型均获得 1 万美元初始资金，交易对象为比特币（BTC）、以太坊（ETH）、SOL、BNB、DOGE、XRP 永续合约。
比赛设计
所有模型接收 相同系统提示 与 相同数字市场数据输入（包括价格、成交量、技术指标）而不接收新闻或叙事信息，仅凭“数值＋提示”决策。
交易在真实市场环境下进行——非模拟。具备手续费、滑点、实际交易对手。
每次决策模型需输出：交易方向（多／空）、资产、杠杆、止盈止损计划、信心分数。
模型表现
中国模型 DeepSeek V3.1 与 Qwen3 Max 表现抢眼。DeepSeek 在短期内将 1 万美元增至约 2 万元以上（约 100% + 回报）是目前领先者。
相比之下，GPT-5 与 Gemini 表现较差，报告显示 GPT-5损失约 70%，Gemini 亦大幅亏损。
不同模型虽接收同样输入，但策略迥异。例如 DeepSeek 倾向高杠杆做多、交易频率适中；而 Gemini 则交易频繁、高杠杆但风险失控。
背后逻辑与启示
语言模型 ≠ 量化交易模型：LLM 的训练主要基于文本数据、模式识别，在需要适应快速变化、随机波动极强的加密市场中，其数值敏感度与实时反应能力存在明显劣势。Nof1 指出：“大语言模型虽强于语言，但弱于数字／市场本质。
风险管理仍关键：表现较好的模型往往有较好的交易纪律、杠杆控制和仓位管理；而亏损严重模型多因交易频繁、杠杆过高或持仓扭转慢。对投资者而言，这一点比“跟 AI 炒币”本身更为重要。
数据、提示与执行环境决定胜败：实验中，尽管所有模型共享输入，但其训练背景、偏好、架构不同导致行为差异。换句话说，成功不只是依赖 AI 能力，更依赖 环境、策略、执行。
“AI炒币”仍处于实验阶段：该实验表明，虽然有模型能在短期内获得超额回报，但长期稳定性、市场极端情绪下的表现尚未验证。将其作为辅助工具比纯依赖更为稳妥。
评论
暂无评论
成为第一个评论的人