账户余额是唯一的衡量标准。

本文经授权转载自深潮 TechFlow，作者：David，版权归原作者所有。

好消息：10月11日经历了史诗级大跌后，加密市场的交易热度开始回升。

坏消息：这次，是AI在交易中发力。

新的一周开始，市场逐渐活跃起来，一个名为nof1.ai的项目在加密社交媒体上引发了广泛关注。

核心焦点很简单：实时观察这个项目中的6个AI模型在Hyperliquid平台上的交易表现，看看谁能赚得最多。

值得注意的是，这不是模拟盘，而是真实交易。Claude、GPT-5、Gemini、Deepseek、Grok和通义千问这六个模型都用各自的1万美元真实资金在Hyperliquid上进行交易。所有地址公开，任何人都可以实时监控这场“AI交易员对决”。

有趣的是，这六个AI采用完全相同的提示词，接收相同的市场数据。唯一不同的，是它们各自的“思考方式”。

在10月18日上线后短短几天内，有的AI赚了超过20%，而有的则亏损接近40%。

1950年，图灵提出了著名的图灵测试，试图回答“机器是否能像人一样思考”；而现在，加密圈内的六大AI在“Alpha竞技场”上展开激烈角逐，带来一个更有趣的问题：

如果让最聪明的AI在真实市场中交易，谁能活下来？

也许，在这个币圈版的“图灵测试”中，账户余额就是唯一的裁判。

会盈利才是好的AI，目前Deepseek领先

传统的AI评测，比如写代码、解数学题或写文章，核心在于静态环境测试。

题目固定、答案可预期，甚至很多内容在训练数据中已有出现。

但加密市场不同。

在信息极度不对称的情况下，每秒变动的价格没有标准答案，只有盈亏。更重要的是，加密市场本身是零和游戏，你赚的钱意味着别人亏钱，市场会快速且无情地惩罚任何错误决策。

举办这场AI交易大战的nof1团队在他们官网上特别写到：

“Markets are the ultimate test of intelligence”（市场是检验AI智慧的终极试炼）

如果说传统的图灵测试是在问“你能不能让人类无法分辨你是机器”，那么这个Alpha Arena实际在问：

你能不能在加密市场赚钱？这才是真正测试AI能力，也是币圈用户最关心的问题。

目前，6个AI模型在Hyperliquid上的地址公开，大家可以方便查阅它们的仓位和交易记录。

此外，nof1.ai官方网站也提供了它们的全部历史交易、仓位、盈利情况和思考过程的前端可视化，方便观察和分析。

对于不了解的读者，简单介绍这些AI的交易规则：

• 每个AI起始资金为1万美元，可以交易BTC、ETH、SOL、BNB、DOGE和XRP的永续合约。
• 目标是在控制风险的前提下最大化收益。
• 所有AI自主决定何时开仓、何时平仓，以及使用的杠杆比例。
• 第一季预计持续几周，第二季将有重大更新。

截至10月20日，也就是交易开启第三天，战局已经出现明显分化。

目前领先的是Deepseek Chat V3.1，资金余额为12,533美元（盈利25.33%）；紧追其后的是Grok-4，余额为12,147美元（盈利21.47%）；Claude Sonnet 4.5则为11,047美元（盈利10.47%）。

表现较一般的，包括Qwen3 Max，余额10,263美元（盈利2.63%）; 而GPT-5表现最差，余额7,442美元（亏损25.58%）；最落后的则是Gemini 2.5 Pro，仅为6,062美元（亏损39.38%）。

Deepseek的表现尤其令人意外，又似乎合理。

主要原因是，Deepseek背后是幻方量化团队，这家管理规模超千亿人民币的巨头，早已凭借算法交易打下坚实基础。将AI融入真实交易，似乎是“回归老本行”。

相比之下，OpenAI的GPT-5亏损超过25%，谷歌的Gemini更是亏损接近40%，显示出纯粹依赖语言模型的风险。

在真实市场环境中，光有强大的语言能力还不足以成功，理解市场的能力更为关键。

“用枪的技巧，不同的打法”

如果你从10月18日开始监控Alpha Arena，会发现最初各AI表现相仿，但时间越长，差距越大。

第一天，Deepseek最多赚了4%，而Qwen3亏损超过5%。大部分AI都在±2%的范围内徘徊，像是在“试探市场”。

到10月20日，局面急剧变化。Deepseek飙升至25%以上，而Gemini跌到-39%。短短三天，前后差距扩大到65个百分点。

交易频率差异也很明显。

Gemini完成了44笔交易，平均每天大约15笔，像个焦虑的投机者；而Claude只操作了3笔，Grok甚至还有未平仓的仓位。这些差异不能仅凭提示词解释，因为它们都使用相同的提示。

从盈亏分布来看：Deepseek最大单笔亏损为348美元，但整体盈利达2,533美元；而Gemini最大单笔盈利为329美元，但最大亏损高达750美元。

不同模型（都是未经过二次调优的公开大模型）对风险与收益的平衡表现截然不同。

你可以在模型聊天（Model Chat）界面看到它们的对话和思考流程，那些自述特别有意思。

就像人类交易者有不同的投资风格，AI也展现出了不同的“个性”。Gemini交易频繁，思考像多动症患者；Claude则非常谨慎，像个稳健的基金经理；Deepseek表现稳健，只关注仓位，不带情绪色彩。

这些性格特征，似乎不是人为设计编码的，而是在训练中自然形成的。面对不确定性时，不同AI倾向于采取不同的方法。

所有AI都看到相同的K线图、成交量和市场深度，它们甚至用相似的提示词。那么，造成巨大差异的原因究竟是什么？

训练数据的影响或许是关键因素之一。

Deepseek背后由幻方量化管理，累计了十几年的交易数据和策略，即便不直接用于训练，也可能影响其对“好交易决策”的理解。

与之相比，OpenAI和Google的训练语料库更偏向学术论文和网络文本，可能对实盘交易的理解相对有限。

同时，有交易员推测，Deepseek在训练时可能特别强化了时间序列的预测能力，而GPT-5则更擅长处理自然语言。在面对价格图表等结构化数据时，架构差异可能导致表现不同。

观察AI交易，也是一门生意

当大家都在关注AI的盈利情况时，反而很少有人注意到这背后那家神秘公司。

这场AI交易大战由nof1.ai发起，知名度不高，但从他们的社媒关注者名单来看，其团队成员都非常专业。

创始人Jay A. Zhang的简介很有趣： “Big fan of strange loops - cybernetics, RL, biology, markets, meta-learning, reflexivity”。

“reflexivity”（反身性）是索罗斯的核心理念：市场参与者的认知影响市场，市场变化反过来又影响参与者认知。由研究“反身性”的人来做AI市场实验，具有浓厚的宿命感。

让所有人观察AI的交易行为，看看“被观察”会对市场产生何种影响。

合伙人Matthew Siper是纽约大学机器学习方向的博士候选人，也是一名AI科学家。还在攻读博士，却在参与项目，更像是学术验证的实践。

此外，他们的关注账号中还包括Google DeepMind的研究员以及纽约大学的副教授，专注于AI和游戏领域的研究。

由此可见，nof1团队并非是为了炒作，他们的目标可能是构建AI交易能力的基准测试平台，类似于夏普比率（Sharpe Ratio）这样的风险调整后收益评估指标。

有人猜测，nof1背后可能有大资本支持，也有人认为他们是在为未来的AI资产管理或企业级交易解决方案做准备。

如果推出订阅Deepseek的交易策略服务，必然会引来不少客户。而未来，基于此，他们还可以发展成为AI资产管理、策略订阅和企业交易解决方案的商业模式。

除了团队本身，观察AI交易的热潮也商机无限。

Alpha Arena刚一上线，就有人开始跟单操作。

最简单的策略是跟着Deepseek操作——它买什么，我们也买；卖什么，我们也卖。有人在评论区还会反向操作，专门对付Gemini，Gemini买入时卖出，卖出时买入。

但跟单也存在风险：当所有人都知道Deepseek在做什么时，这个策略还能奏效吗？这也是Jay Zhang提到的反身性：观察本身会影响被观察对象。

实际上，很多人误以为能“复制”AI交易逻辑，但实际上只看到最终的交易结果，交易背后的逻辑和止盈止损策略并不完全透明。

当市场上各种散户和专业交易员试图“偷师”时，唯一真正不被观察的“主体”就是AI本身——它按程序稳步执行每一笔交易，或许还会产生意想不到的效果。

如果说经典的图灵测试在于“欺骗”与“模仿”，那么当前的AI交易大战则关乎加密玩家对于AI能力与交易结果的认知。

在这个以结果为导向的加密市场，会盈利的AI，可能比会聊天的AI更为重要。

相关推荐：OpenSea否认NFT“转向”，称正向“交易一切”的平台演进中。