炸锅！AI交易员集体翻车，2周亏掉三分之一，散户还敢把钱交给机器？

人工智能正在敲响华尔街的大门，但交出的第一份成绩单难看得像车祸现场。

一系列公开交易竞赛的早期数据显示，主流大型语言模型在自主交易中普遍表现糟糕——大多数系统亏损，交易频率高到不可思议，面对同一指令居然给出截然不同的决策。

最典型的案例来自科技初创公司Nof1运营的Alpha Arena竞赛。他们把Anthropic的Claude、谷歌的Gemini、OpenAI的ChatGPT、马斯克的Grok等八个前沿AI系统放进四轮比赛，每轮开赛前给每个模型1万美元，让它们两周内自主交易美国科技股。

结果呢？整体投资组合亏损了约三分之一。32个交易结果中，只有6次盈利。Nof1创始人Jay Azhang直言不讳：“现在把钱直接交给大模型让它自己去交易，这条路走不通。”

数据揭示了当前AI在交易场景里的多重缺陷。同样是给出提示词，阿里巴巴的Qwen在一轮里执行了1,418笔交易，而表现最好的Grok 4.20只下了158单。Grok的最佳成绩出现在它能观察竞争对手表现的那一轮。

AI博客Flat Circle追踪了11个市场相关的竞技场，结果显示每个竞技场至少有一个模型实现盈利，但只有两个竞技场的中位模型是正收益——大多数模型跑不赢市场。

各模型之间的决策差异更让人头疼。Azhang介绍，在Alpha Arena最新一轮测试中，Claude偏向做多，Gemini对做空毫无抵触，Qwen则喜欢上高杠杆赌一把。

负责运营LLM驱动基金的Intelligent Alpha负责人Doug Clinton说：“它们各有‘个性’，管理起来几乎像管一个人类分析师。”但通过告知模型它存在某种偏差，可以在一定程度上改善结果。

Azhang指出，大模型在研究和调用工具方面有优势，但在交易执行层面短板很明显：它们搞不清楚分析师评级、内部人交易、情绪变化这些变量各自的权重，所以容易买在高点、卖在低点，仓位也管不好。

Intelligent Alpha的基准测试提供了相对积极的参照。他们给10个AI模型提供财务文件、分析师预测、财报电话会议记录、宏观经济数据和网络搜索权限，只判断盈利预测方向。2025年第四季度，ChatGPT预测准确率达到68%，创下最佳成绩。Clinton表示，每次新版本发布，模型表现总体在改善。

评估AI交易能力有一个根本性的方法论障碍：传统量化策略靠历史回测验证，但对大模型几乎失效——一个在2026年被问到如何交易2020年3月行情的模型，早就“知道”那段历史的走向。这种“前瞻偏差”迫使研究者只能通过实盘评估，于是各种竞技场大量涌现。

Flat Circle博客作者、前另类数据公司YipitData联合创始人Jim Moran认为，目前大多数公开实验周期太短、噪音太大，还不足以支撑确定性结论。这些竞技场还存在天然劣势，比如拿不到专有股票研究资源，执行质量也低。他说：“如果把这些竞技场里的某个AI代理直接移植到一家顶级对冲基金内部运行，它的表现应该会更好。”

前Coatue Management数据科学主管、现就职于NX1 Capital的Alexander Izydorczyk近期撰文指出，他追踪的AI交易机器人里，目前没有一个展现出持久的超额收益能力。他认为这些竞技场的局限性在于训练数据中缺失了秘密交易机构使用的实用量化技术。

但他留下了一个耐人寻味的判断：“初学者有时能看到老手看不到的东西。”他在个人博客中写道：“当大模型代理交易策略真正开始奏效时，你不会马上听到任何消息。”

Nof1正在筹备Alpha Arena第二季，计划给每个AI模型网络搜索、更长思考时间、更多数据来源以及多步骤执行能力。但这家公司的核心商业模式，是给散户提供构建AI交易代理的系统工具——而不是直接把AI推到交易席位上。

这一定位本身，或许已经是对当前AI交易能力最务实的注脚。

关注我：获取更多加密市场实时分析与洞察！ $BTC $ETH $SOL

#Gate广场五月交易分享 #BTC回调 #CLARITY法案推进受阻