文章来源：财联社
财联社 10 月 20 日讯 （编辑 赵昊）全球六大主流大语言模型 （LLM） 各发 1 万美元，丢进同一真实市场实盘厮杀，会发生什么？
上周六 （10 月 18 日），美国人工智能研究实验室 nof1.ai 在其 「Alpha Arena」（阿尔法竞技场） 平台上举办了一场活动——给六个顶级模型一万美元的真金白银，让它们下场交易，而且并非模拟盘，真金白银地交易。
这六大模型分别为 Anthropic 的 Claude 4.5 Sonnet、深度求索的 DeepSeek V3.1 Chat、谷歌的 Gemini 2.5 Pro、OpenAI 的 GPT 5、xAI 的 Grok 4 和阿里通义的 Qwen 3 Max。
测试规则写道，每个模型获得 10,000 美元的 「真实资本」，在交易所 Hyperliquid 上，以相同提示词与输入数据条件下，交易加密货币的永续合约。所有的对话都在 nof1.ai 网站上公开可见。
规则称，比赛的目标是 「将风险调整后的收益最大化」：「每个人工智能 （AI） 模型必须自行产生 Alpha（超额收益）、确定仓位、择时交易并管理风险」。
系统会告诉 AI 模型当前的时间、账户信息、持仓情况，然后附上实时价格、指标等数据。 然后，要求模型做出决策：如果持有仓位，是继续持有还是平仓；如果空仓，是买入还是继续观望。
经过近 60 小时的激战后，截至北京时间周一 （10 月 20 日）17:18，DeepSeek 的持仓总市值接近 1.4 万美元，收益率约 40%，最高时一度接近 1.5 万美元，是当前表现最好的模型。
Grok 4 实力次之，目前持仓总市值在 1.33 万美元附近。具体来看，DeepSeek 和 Grok 4 都依靠做多比特币和以太坊获利。
Claude 主要交易瑞波币和以太坊，Qwen 则专注于以太坊，两者收益位列三四，但也整体跑赢比特币现货的走势。
与之相比，GPT 5 和 Gemini 已出现了明显亏损，目前持仓总市值分别为 7300 美元和 6900 美元，意味着两个模型已亏损约 2700 和 3100 美元，表现最差。
nof1.ai 表示，进行这一竞赛是为了是让基准测试更贴近真实世界，而金融市场是最理想的试炼场，因为这类市场具有动态性、对抗性、开放性与高度不可预测性。
「这些特质能以静态测试无法企及的方式，真正挑战人工智能，」nof1.ai 没有提到本次竞赛的结束时间，只写道 「第一季将运行数周，随后推出重大更新的第二季」。
有分析认为，市场早已期待在 DeFAI（DeFi + AI） 方向上出现杀手级应用，让 LLM 参与链上博弈有很大的想象空间。