作者：JAE
前不久，專注於金融市場人工智慧研究的實驗室nof1 在推上宣布啟動了一項具有劃時代意義的實驗——Alpha Arena 大模型交易測試，這條推文也在圈內外獲得超1,400萬次圍觀。
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的里程碑意義在於其超越了傳統金融AI 模式的限制。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產生實質影響，且模型僅在靜態資料上訓練。相較之下，Alpha Arena 創造了一個動態的零和競爭環境，LLM必須持續適應不斷變化的市場價格與流動性做出即時決策。此典範轉移令Alpha Arena 被視為AI 在加密市場的「第一次實彈演習」。
為了確保測試的公平性，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內在的推理架構、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，帳戶淨值曲線一路下滑，一路排名墊底。
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，證明其具備處理複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，更是一個涉及即時數據、市場情緒分析、流動性變化的動態系統。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複雜推理分數，而是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，策略同質化或引發系統性風險
CZ針對此事在X平台上發文稱，預計「AI+交易」或將更為普遍，並帶來更多的交易量。
AI 的大規模部署也將重塑加密市場的流動性和價格發現機制。演算法交易是現代金融市場的核心驅動力。 AI 驅動的演算法能夠以高達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 年全球加密貨幣的演算法交易量已達94 兆美元，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，還能透過為更廣泛的資產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，或也將放大系統性金融風險。歷史上已有先例可循：2010 年的道瓊工業平均指數「閃電崩盤」（Flash Crash）證明，當大量演算法交易系統具有類似的設定並互相觸發時，將引發連鎖反映，進而導致市場崩潰。
在AI+Crypto 情境下，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的帳戶淨值曲線極為相似。 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 高槓桿運作的特性下，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「連鎖拋售」（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？獲利能力能持續多久？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 只是一個開始。
