一場真金白銀的AI炒幣實驗：DeepSeek狂賺11%暫時奪冠，GPT-5血虧

作者：J.A.E

前不久，專注於金融市場人工智能研究的實驗室 nof1 在推上宣佈啓動了一項具有劃時代意義的實驗——Alpha Arena 大模型交易測試，這條推文也在圈内外獲得超1400萬次圍觀。

該實驗在Perp DEX龍頭 Hyperliquid 上進行，首次將六個主流的大語言模型（LLM），置於一個真實的競爭性交易環境中。每個模型均被分配 10,000 美元的真實資金自主交易Perp。截至目前，DeepSeek 以約 11% 的回報率穩居第一。

LLM 首次在加密市場“實彈演習”，Deepseek暫居首位

Alpha Arena的裡程碑意義在於其超越了傳統金融 AI 模型的局限性。過往的金融AI研究大多受限於歷史回測環境，其交易行為無法對市場價格産生實質性影響，且模型僅在靜態數據上訓練。相較之下，Alpha Arena 創造了一個動態的零和競爭環境，LLM不得不持續適應不斷變化的市場價格與流動性做出即時決策。該範式轉變令 Alpha Arena 被視作 AI 在加密市場的“第一次實彈演習”。

為了保證測試的公平性，nof1 為所有模型都輸入了“相同的提示與數據”，這意味著模型的表現將主要由其内在的推理架構、從分析轉化為交易指令的工具調用效率，及對風險的自主管控能力等決定。

截至目前，Deepseek 以超 11% 的回報率穩居榜首，Claude 以約 10% 的回報率緊隨其後，Grok 排名則降至第 3，回報率下滑至約2%，其它模型均處於虧損狀態。

10月20日，DeepSeek 與 Grok 一度以約 40% 的收益率領跑榜單前二，但所有模型因大盤回落都經歷了一次集體回撤，回報率也隨之大幅縮水，表明 LLM 可能還不具備判斷行情狀態的能力。

其中，Claude同時錄得最大盈虧，交易策略最為激進；Gemini 執行了最多的交易（64 筆），支付了迄今為止最高的交易費用 600.42美元，高頻交易的同時，未兼顧成本控制問題；GPT-5 總虧損高達4,051美元，賬戶淨值曲綫一路下滑，排名墊底。

圖：Alpha Arena 初期戰績對比 (10月21日)

從圖中數據可知，傳統的 LLM 基準測試能力與交易實戰的淨收益之間存在明顯脫節。在 Finance Reasoning (金融推理) 或 AIME (數學) 等基準測試中，GPT-5 與 Grok-4 通常都處於領先地位，證明其具備處理復雜金融公式和高階數學的能力。

然而，金融市場不僅是靜態的數學推理，更是一個涉及實時數據、市場情緒分析、流動性變化的動態係統。在 Alpha Arena 的實盤競賽中，Deepseek V3.1 的表現卻更為優異。這表明，LLM 創造收益的關鍵並不在於靜態的知識儲備或復雜推理得分，而在於將分析結果轉化為交易指令的執行能力。Deepseek V3.1 以較低的交易量與勝率實現了較高的回報，揭示其可能只需通過少數幾筆交易，即可更精準地捕獲到關鍵的價格發現機會，同時有效管理手續費。

反例就是高頻交易和費用不敏感對 LLM 收益模型的影響。以 Gemini 2.5 Pro 為例，根據其交易記錄，Gemini 在交易活動上的收益實際高於虧損，但可能由於缺乏對手續費的精確估算與優化能力，導致其淨收益被全部侵蝕，從而陷入淨虧損。

AI交易將普及，策略同質化或引發係統性風險

CZ針對此事在X平台上發帖稱，預計“AI+交易”或將更為普遍，並帶來更多的交易量。

AI 的大規模部署亦或將重塑加密市場的流動性和價格發現機制。算法交易是現代金融市場的核心驅動力。AI 驅動的算法能夠以高達 0.01 秒的速度執行交易，遠超人類的反應速度（0.1 至 0.3 秒），將顯著提升了市場效率。統計數據顯示，2023 年全球加密貨幣的算法交易量已達 94 萬億美元，其中超過 70% 的交易量由機器人完成。

隨著 AI 變得更加成熟，其將擁有更強大的自動化交易功能。AI 不僅能加速市場效率，還能通過為更廣泛的資産與交易平台提供流動性來減少滑點，進而提高市場的整體穩定性與韌性。

然而，AI 在加密市場中的自主高速運行，或也將放大係統性金融風險。歷史上已有先例可循：2010 年的道瓊斯工業平均指數“閃電崩盤”（Flash Crash）證明，當大量算法交易係統具有類似的設置 並互相觸發時，將引發連鎖反映，進而導致市場崩潰。

在 AI+Crypto 場景下，這種風險可能會被放大，原因就在於策略同質化。目前，已有市場觀察者指出Grok-4與DeepSeek的賬戶淨值曲綫極為相似。Alpha Arena 的零和環境特性會對所有參賽的 LLM 構成高壓的適應性測試。在零和博弈中，任何短暫領先的 LLM 策略都可能會被其它競對檢測並學習。

未來，如果大量 AI Agent 集中在少數幾個頂尖 LLM（如 DeepSeek V3.1, Grok-4）上開發，並共享了相似的訓練數據與策略邏輯，其就將形成監管者所稱的 “橫向問題“（Horizontal Issue）。在加密市場 24/7 高槓桿運行的特性下，這類策略趨同可能導致 Agent 間的相互檢測與競爭，一旦出現市場波動或意外輸入，所有 Agent 或將同時觸發賣出指令，造成比 2010 年更嚴重的“連鎖抛售”（Selling Spirals）。

另一方面，CZ也在推文中表達了疑惑，道出了大量觀察者心中的問題。大家以往都認為，只有當擁有卓越的獨家策略時，交易才能發揮出最佳效果。而現在六大 LLM 的策略都可被公開參考，那麼DeepSeek的策略是否還將行之有效？盈利能力能持續多久？跟Gemini、GPT-5反向操作是否將取得比DeepSeek更高的收益？Grok-4是否在學習DeepSeek？極端或單邊行情下，哪個模型會表現最好？……這些，依然是需要時間才能回答的問題。

雖然還有大量問題等待解答，但 nof1 的 Alpha Arena 仍是一次極具創新性的實驗，其將 LLM 帶入了真實的加密市場。這次“實彈演習”也生動展現了 AI 擁有重塑加密市場的巨大潛力，而Alpha Arena 僅僅是一個開始。

内容來源：PANews