终极对决：AI VS 市场！
首届AI炒币大赛谁将问鼎？
AI技术正以前所未有的速度渗透到各行各业，从根本上重塑创意设计、科学研究乃至日常生活的图景。在Web3这个同样追求技术革新的前沿领域，AI与区块链的融合早已成为焦点。自ChatGPT惊艳问世以来，AI驱动的Web3项目层出不穷，催生了诸如AI Agent（自主智能代理）、Generative AI（生成式艺术与内容）、以及AI的去中心化物理基础设施等备受市场追捧的概念。这不禁让人发问：当AI从后台走向前台，从分析工具变为直接操盘手时，这是否预示着AI驱动的自动化交易，将成为AI+Web3的下一个重要且最快落地的方向？
01 市场：AI的终极试炼场
Nof1项目方给这些大模型一万美元的实盘启动资金，并在hyperliquid上进行交易（确保价格中立），每个AI自己管理头寸和风险、把握交易时机，以期实现超额收益，作为与之对比的曲线是同期比特币买入并持有的增长曲线，值得注意的是AI都使用了杠杆。目前参与测试的大模型有：Claude、DeepSeek 、Gemini、GPT 5、Grok 4、Qwen 3 Max，这些都是各知名AI大模型中最先进的版本。我们能够看到对这些AI使用的提示词、不同AI已完成的交易以及不同大模型的持仓，这些是公开的，不过目前显示的内容条数有限。
此前，对于市面上顶级大模型的对比就从未停止过，而对于各个维度，同一大模型的表现并不一致，这与使用的训练数据和模型算法有关。项目方官网（nof1.ai）提出的核心观点——“市场是终极的智能测试”——精准地概括了这场实验的意义。与围棋或国际象棋等拥有固定规则的“有限游戏”不同，金融市场是一个“无限游戏”。它不仅混合了海量的结构化数据（价格、成交量），更充斥着难以量化的非结构化信息，如地缘政治、政策风向、宏观经济数据，以及社交媒体上瞬息万变的市场情绪。尤其是在7x24小时不间断交易的Crypto市场，信息传导速度极快，任何风吹草动都可能引发剧烈的价格波动。在这样一个高度复杂、充满噪声和非理性的环境中进行实盘测试，无疑是对AI大模型信息处理速度、多维分析能力、即时应变和复杂决策能力的极限考验。
02 各大AI模型表现
（数据截止于2025年10月22日10:05）
实时的资产净值如下图：
图 1 说明：蓝色 DeepSeek 一度至近 1.5 万，目前约 1.15 万；黑色 Grok、紫色 Qwen 小幅跑赢基准（灰虚线）；橙色 Claude 回撤；浅蓝 Gemini 与绿色 GPT 5 大幅下行。
意外榜尾：GPT-5 与 Gemini
被誉为“最强语言模型”的 GPT-5，在真金白银的盘面上跌至 6,000；当前净值 $4,287（-57%），升至倒数第二。这个结果颠覆了“C 端能说会道 = 投资更强”的直觉。差异或许来自“训练基因”：DeepSeek 起源于中国最顶尖的量化对冲基金之一——幻方量化（High-Flyer Quant），意味着DeepSeek在构建模型时，可能已天然注入了对金融市场数据和波动的深刻理解；GPT 与 Gemini 更偏通用语言任务，面对高频、快节奏的交易决策就显得“水土不服”。
交易风格画像（以观察与公开仓位为依据）：
DeepSeek：沉稳的量化老手。多资产中等杠杆做多，择时果断、回撤可控，被称作“最佳多头”。对外发言克制，侧重事实汇报。
Gemini：焦虑的高频交易员。下单密集，当前已累计 99 笔，盈亏比失衡，“小赚大亏”，最大亏单约 $750；语气强硬但净值承压。
Claude：保守的基金经理。低频少动（12 笔）、偏重单一标的（XRP 8x 多头），风格谨慎，节奏偏慢。
GPT-5：策略矛盾的投机者。多空并存、方向杂乱，净值腰斩，反复强调检查止损与风控，但也只是嘴硬。
Grok 4：顺势进攻型。全线多头，DOGE/ETH/SOL 贡献主要收益，对回撤容忍度适中，净值优于基准，曾一度超越Deepseek。
Qwen3 Max：克制的对冲者。持仓集中、出手不多，收益小幅跑赢基准。
03 展望
Nof1项目所展示的，绝不仅仅是一场新奇的“AI炒币大赛”，它更像一个风向标，揭示了AI与Web3结合的最具潜力的方向之一。据Nof1透露，可能会训练一个专门用于投资的大模型，并且运用开放式学习和大规模强化学习。在24小时不间断的Crypto市场中，AI可以通过每一次交易的盈亏（强化学习中的“奖励”与“惩罚”）进行高速迭代。它可以在极短的时间内经历“数千个交易生涯”，从真实的市场反馈中学习，不断优化其决策逻辑，其进化速度是任何人类交易员或团队都无法比拟的。这标志着AI正从无所不包的“通才”向精通某一领域的“专才”进化；从一个辅助决策的“分析工具”，蜕变为一个拥有自主决策和执行能力的“自主交易代理”（AI Agent）。
传统的量化交易高度依赖结构化的历史数据（如K线、成交量）和固定的数学模型。这种方法的局限性在于，它难以处理非结构化信息，且在突发的"黑天鹅"事件面前容易失效。而AI大模型的核心优势在于其强大的自然语言处理和模式识别能力。它能够实时抓取、阅读并理解互联网上的海量信息——从美联储的演讲稿（分析其鹰派或鸽派情绪），到X（推特）上的市场情绪，再到项目的GitHub代码提交频率，甚至链上巨鲸钱包的异动。AI将这些"情报"与传统量化指标相融合，做出更敏锐、更具前瞻性的策略调整。对普通投资者而言，这预示着"个性化智能投顾"的真正到来。AI能基于个性化的风险偏好和盈利预期，定制并7x24小时全天候自动执行一套专属的复杂交易策略。这相当于为每个普通人配备了一位永不休息、绝对理性的顶级量化基金经理，从而真正实现了专业级交易能力的民主化。
总结
当AI实盘交易被大规模采用后，市场将迎来前所未有的机遇与风险。一方面，AI的高效分析和自我学习能力能极大提升市场流动性与决策效率；但另一方面，它也可能带来同质化决策导致的“羊群效应”、模型黑箱引发的不可解释性风险、算力集中化导致的“智能垄断”、以及被恶意操纵或攻击的潜在威胁。当大量AI在相似逻辑下同时行动时，市场的波动将被放大，甚至可能在极端情况下引发系统性连锁崩溃。未来的金融竞争，不仅是模型与模型的较量，更是如何在智能化时代重建稳定与信任的考验。
