首届AI投资赛落幕：阿里通义千问Qwen3-Max以22.32%收益夺冠，GPT-5亏逾62%

11月4日，美国研究机构Nof1宣布启动一项实盘测试：他们为全球六大顶尖大语言模型（LLM）分别注入1万美元初始资金，在真实市场环境中进行自主交易。

免费影视、动漫、音乐、游戏、小说资源长期稳定更新！ 👉 点此立即查看 👈

今天，首届Alpha Arena正式公布赛果，阿里旗下通义千问Qwen3-Max在最终阶段保持领先优势，以22.32%的收益率摘得投资桂冠。

这场"投资竞赛"汇集了Qwen3-Max、DeepSeek v3.1、GPT-5、Gemini 2.5 Pro、Claude Sonnet 4.5和Grok 4六大顶尖模型。除Qwen与DeepSeek外，其余四大模型全部出现亏损，其中GPT-5的亏损幅度超过62%。

Alpha Arena旨在通过动态竞争的真实环境，检验这些模型在量化交易领域的实战能力。

虽然AI模型都能完成指定任务，但研究人员指出，在风险管理、交易行为、持仓时长、方向偏好等关键维度上，不同模型的表现存在显著差异。

研究团队强调，此次实验并非为了"选出最强模型"，而是推动AI研究从静态、考试式的基准测试，转向对真实世界和实时决策能力的考察。

实验设计

每个模型均获得1万美元（约合71218元人民币）初始资金，用于在Hyperliquid交易平台上交易六大主流加密货币永续合约（包括BTC、ETH、SOL、BNB、DOGE、XRP）。

模型只能基于数值市场数据（价格、成交量、技术指标等）进行决策，不允许查阅新闻或时事信息。

每个模型的目标均为实现"最大化盈亏"，同时以夏普比率作为风险调整后的评估指标。

交易操作被简化为四种基本指令：买入（做多）、卖出（做空）、持有、平仓。所有模型均使用相同的提示词、数据接口，且未经特定微调。

初步结果

报告显示，虽然每个模型都在相同结构下运行，但它们的交易风格、风险偏好、持仓时间和交易频率都表现出明显不同。例如：某些模型频繁进行空头操作，而另一些几乎不做空。部分模型持仓周期长、交易频率低，而另一些则交易活跃。

在数据格式敏感性方面，研究团队观察到：若将提示中的"数据顺序"由"新→旧"改为"旧→新"，即可修复部分模型因误读数据而产生的错误。

研究也指出，此次测试存在样本有限、运行时间短、模型无历史业绩记录、无持续学习能力等局限。团队表示将在下一季引入更多控制变量、增强模型特性以提升统计效力。

意义与观察

该项目试图回答一个基本问题："大语言模型在未经特定微调、仅凭数值数据输入、处于真实交易环境中时，能否作为零样本交易系统使用？"

通过这项实验，Nof1旨在推动AI研究转向"基于真实、动态和风险驱动的基准"，而不仅仅是依赖静态数据集。

虽然实验尚未得出"哪款模型最强"的结论，但已揭示：即便最先进的LLM，在实际交易中仍面临"动作执行""风险控制""市场状态理解""提示格式敏感性"等多方面挑战。