作者：David，深潮TechFlow

好消息，10.11史詩級大跌後，加密交易又開始變得活躍了。

壞消息，是AI 在交易。

新的一週開始，市場開始變得活躍，一個名叫nof1.ai 的計畫在加密社媒上引起了大量討論。

大家關注的焦點也很簡單，即時圍觀這個專案中的6個AI 大模型，在Hyperliquid 上做加密交易，看誰更賺錢。

注意這不是模擬盤。 Claude、GPT-5、Gemini、Deepseek、Grok和通義千問，每個模型都拿著1萬美元真金白銀在Hyperliquid交易。所有地址公開，任何人都能即時圍觀這場「AI交易員大戰」。

有趣的是，這六個AI用的是完全相同的提示詞，接收完全相同的市場數據。唯一的變量，就是它們各自的「思考方式」。

在10月18日上線後的短短幾天內，有的AI已經賺了超過20%，有的則虧損接近40%。

1950年，圖靈提出了著名的圖靈測試，試圖回答「機器能否像人一樣思考」；現在在幣圈，6大AI 在Alpha 競技場中廝殺，在回答一個更有趣的問題：

如果讓最聰明的AI 們在真實市場裡交易，誰會活下來？

或許在這個幣圈版的「圖靈測試」裡，帳戶餘額就是唯一的裁判。

會賺錢才是好AI，Deepseek 目前領先

傳統的AI評測，無論是讓模型寫程式碼、做數學題，或是寫文章，本質上都是在一個「靜態」的環境中測試。

題目是固定的，答案是可預期的，甚至可能已經在訓練資料裡出現過。

但加密市場不一樣。

在資訊極度不對稱的前提下，每一秒的價格都在變化，沒有標準答案只有盈虧。更重要的是，加密市場是典型的零和遊戲，你賺的錢就是別人虧損的錢。市場會立即、無情地懲罰每一個錯誤決策。

這個舉辦AI交易大戰的Nof1 團隊，在它們的網站上寫了一句話：

Markets are the ultimate test of intelligence（市場是檢測AI智能的終極測試）。

如果說傳統的圖靈測試是在問「你能不能讓人類分不清你是機器」，那麼這個Alpha Arena 問的其實是：

你能不能在加密市場賺錢。這點其實才是幣圈玩家對AI 的真實期待。

目前，6 個AI 大模型在Hyperliquid 上的地址如下，你也可以很容易的檢索到它們的部位和交易記錄。

同時，nof1.ai 官網上也在前端可視化了它們目前的所有歷史交易記錄、倉位、盈利情況和思考過程，可以讓大家很方便的進行參考。

對於完全不了解的讀者來說，幾個AI 的具體交易規則是：

每個AI獲得1萬美元初始資金，可以交易BTC、ETH、SOL、BNB、DOGE和XRP的永續合約，目標是在控制風險的前提下最大化收益。所有AI必須自主決定何時開倉、何時平倉、使用多少槓桿。 season 1 會視情況運作幾週，Season 2會有重大更新。

截至10月20日，也就是開始交易後的第三天，戰局已經出現了明顯的分化。

目前領先梯隊是Deepseek Chat V3.1，資金為$12,533（+25.33%）。緊隨其後的是Grok-4，$12,147（+21.47%）；Claude Sonnet 4.5 則為$11,047（+10.47%）。

表現相對一般的是Qwen3 Max，$10,263（+2.63%）。顯著落後的是GPT-5，目前餘額$7,442（-25.58%）；最拉胯的則是Gemini 2.5 Pro，$6,062（-39.38%）。

最讓人意外又似乎情理之中的當然是Deepseek 的表現。

說意外，是因為這個模型在國際AI圈的熱度遠不如GPT 和Claude。說情理之中，是因為Deepseek 背後是幻方量化團隊。

這家管理規模超千億人民幣的量化巨頭，在進軍AI之前，就是靠演算法交易起家的。從量化交易到AI大模型，再用AI來做真實的加密交易，Deepseek 有點像是回到了老本行。

相較之下，OpenAI引以為傲的GPT-5虧損超過25%，Google的Gemini 更是慘不忍睹，44筆交易換來近40%的虧損。

在真實的交易場景中，或許光有強大的語言能力是不夠的，對市場的理解更為重要。

同樣的槍，不同的槍法

如果你從10月18日開始追蹤Alpha Arena，會發現剛開始幾個AI 都差不多，但越往後差距越大。

第一天結束時，最好的Deepseek也只賺了4%，最差的Qwen3虧了5.26%。大部分AI都在正負2%之間徘徊，看起來像是在試探市場。

但到了10月20日，畫風突變。 Deepseek飆升到25.33%，而Gemini跌到了-39.38%。短短三天，頭部和尾部的差距拉大到了65個百分點。

比較有趣的是交易頻率的差異。

Gemini完成了44筆交易，平均每天15筆，像個焦慮的投機交易員。而Claude 只做了3筆，Grok甚至還有未平倉的持股。這種差異不是提示詞能解釋的，因為它們用的是同一套提示詞。

從損益分佈來看，Deepseek最大單筆虧損348美元，但整體獲利2,533美元。 Gemini最大單筆獲利329美元，最大虧損卻高達750美元。

不同AI（公版大模型，未經二次調教），對風險和利益的平衡完全不同。

此外，你能在網站上的Model Chat 選項裡看到不同模型的聊天記錄和思考過程，這些獨白特別有趣。

就像人類交易者有不同的風格，AI似乎也展現了不同的個性。 Gemini的頻繁交易和思考像個過動症患者，Claude的謹慎像個保守的基金經理，Deepseek 穩健的像個量化老手，只說倉位，不做任何情緒評價。

這種性格感覺不像是設計出來的，而是在訓練過程中自然出現的。當面對不確定性時，不同的AI會傾向於不同的因應方式。

所有AI看到的是相同的K線，相同的成交量，相同的市場深度。它們甚至用相同的提示詞。那麼，是什麼造成瞭如此大的差異呢？

訓練資料的影響可能是關鍵。

Deepseek背後的幻方量化，十多年來累積了大量的交易數據和策略。這些數據即使不直接用於訓練，是否也會影響團隊對「什麼是好的交易決策」的理解？

相較之下，OpenAI和Google的訓練資料可能更偏向學術論文和網路文本，對實盤交易的理解可能不夠接地氣。

同時，有交易者推測，Deepseek可能在訓練時特別優化了時間序列預測能力，而GPT-5可能更擅長處理自然語言。在面對價格圖表這種結構化資料時，不同的架構會有不同的表現。

看AI 做交易，也是一門生意

當所有人都在關注AI的盈虧時，很少人注意到背後這家神秘的公司。

搞出這個AI 交易大戰的nof1.ai，並沒有太大的知名度。但如果你看一下它社媒的關注列表，還是能找到一些蛛絲馬跡。

nof1.ai 背後似乎不是一群典型的加密創業家，而是清一色的學院派AI研究員。

Jay A Zhang（創辦人）的個人簡介也很有趣：

"Big fan of strange loops - cybernetics, RL, biology, markets, meta-learning, reflexivity"。

reflexivity（反身性）是索羅斯的核心理論：市場參與者的認知會影響市場，市場的變化又會影響參與者的認知。讓一個研究「反身性」的人來做AI 交易市場實驗，本身就顯得很有宿命感。

讓所有人都能看到AI怎麼交易，看看這種「被觀察」會如何影響市場。

而另一位聯創Matthew Siper 簡介顯示為紐約大學機器學習方向的博士候選人，同時也是AI研究科學家。一個還沒畢業的博士生做項目，更像一個印證學術研究的項目。

nof1 的其他關注帳號中，還有Google DeepMind 的研究員以及紐約大學的副教授，專門研究AI和遊戲。

從他們的動作和背景來看，Nof1顯然不是為了搞個噱頭。 SharpeBench 這個平台名字很有野心，夏普比率是衡量風險調整後收益的黃金標準，他們或許真正想做的，是AI交易能力的基準測試平台。

有人猜測Nof1背後有大資本支持，也有人說他們可能在為後續的AI交易服務做鋪墊。

如果他們推出訂閱Deepseek 交易策略服務，買單的人或許不在少數。而基於這個雛形，去做AI資管、策略訂閱和大企業的交易解決方案，也是一門可以預見的生意。

除了這個團隊本身之外，圍觀AI 交易本身也有利可圖。

Alpha Arena 剛上線，就有人開始跟單了。

最簡單的策略就是跟著Deepseek做。它買什麼你買什麼，它賣什麼你賣什麼。同時留言區還有反向操作的人，專門做Gemini的對手盤，Gemini買他就賣，賣他就買。

但跟單有個問題：當所有人都知道Deepseek要買什麼時，這個策略還有效嗎？這也是計畫創始人Jay Zhang 說的反身性，即觀察本身會改變被觀察的對象。

這裡還有一種頂級交易策略民主化的假象。

表面上看起來，每個人都能知道AI的交易策略，但實際上你看到的是交易結果，不是交易邏輯。每個AI 的停盈和停損邏輯不一定連續且可靠。

當Nof1 在測試AI交易的行為，散戶在尋找財富密碼，其他的一些交易員在偷師，研究者們也在蒐集資料。

只有AI本身不知道自己在被圍觀，還在認真地執行每一筆交易。如果說經典的圖靈測試是關於“欺騙”和“模仿”，那麼現在的Alpha Arena 交易大戰，是關於加密玩家對於AI 能力和結果的回應。

在這個結果主導的加密市場裡，會賺錢的AI，可能比會聊天的AI更重要。