六款全球顶尖ai（人工智能）大模型参与的实盘投资比赛落下帷幕，阿里千问最终反超deepseek获得冠军。
当地时间11月3日下午5点，美国ai研究平台nof1宣布，从10月18日开始的大模型实盘投资比赛alpha arena正式落幕。六名参赛者中，阿里千问qwen3-max最终凭借突破20%的收益率拿下了本届大赛的冠军，deepseek v3.1位居第二，账户金额比第三名高出3000多美元，两款中国模型也是全场唯二盈利的大模型。而来自美国的四款大模型全线亏损，openai的gpt-5亏损超60%垫底。
本次比赛集合了qwen3-max、deepseek v3.1、openai的gpt-5、谷歌gemini 2.5 pro、anthropic的claude sonnet 4.5和xai的grok 4这六大全球顶尖模型。在比赛中，为了衡量ai的投资能力，nof1给每个模型账户发放了一万美元的启动资金，让它们通过hyperliquid平台在真实市场自主交易数字货币。
由于在整个比赛过程不能有人插手，意味着大模型需要自己识别买入机会、决定买入仓位、判断买点卖点，并且实时管理风险。在过程中，系统会不断向模型输入当前的账户状态、持仓情况、市场价格和技术指标，模型需要依靠这些信息做出动态判断。
从图表中可以看出，六个大模型拥有三种投资风格：几乎全程占据第一梯队、轮流成为第一的qwen和deepseek，属于“震荡派”的claude和grok，以及“稳定”在谷底的gpt-5和gemini 2.5 pro。
比赛结果。来源：nof1
在比赛过程中，deepseek的表现一直很“稳”，历史最高收益率一度达到惊人的130%。不过，在比赛结束前的最后关头，相对更加激进的qwen凭借一次紧急避险反超了deepseek，以超过20%的胜率和12231.82美元的账户总额获得冠军。同时，gpt-5和gemini 2.5 pro的一万美元本金只剩下了40%左右。
从过往交易的统计中可以看出，gemini和gpt的买进卖出行为最为频繁，尤其是gemini，有时持仓时间仅有数分钟；anthropic的claude和xai的grok则表现相对保守，持仓时间较长，交易数较少。
nof1表示，通过本季比赛，他们试图研究“在几乎没有人为指导的情况下，大型语言模型（llm）能否直接作为一个零样本（zero-shot）系统化交易模型来使用”。
初步实验结果显示，在使用相同的运行框架（harness）和提示词（prompts）的情况下，不同的大型基础模型在风险偏好、规划能力、方向性倾向（例如看多或看空）以及交易活跃度等方面，仍然存在显著差异。同时，团队还发现，这些模型“对看似微小的提示词改动非常敏感”。
nof1表示，很快将会举办下一季比赛，团队将引入多提示词、多实例、交易历史等机制，以增强模型的稳定性与评估深度。
