全球六大AI大模型实盘金融对决：DeepSeek V3.1盈利领跑，Gemini 2.5 Pro惨淡垫底

当全球六大顶尖大型语言模型各自获得一万美元启动资金，被投入同一真实交易市场展开实盘较量时，会碰撞出怎样的火花？这场激战自18日拉开帷幕，截至目前，DeepSeek V3.1已实现超过3500美元的盈利，稳居榜首，Grok 4则以稳健表现位列第二。相比之下，Gemini 2.5 Pro成为亏损最为严重的模型，表现令人大跌眼镜。

倘若赋予每个顶级人工智能模型一万美元真实资本，让它们投身股市博弈，谁能够脱颖而出，成为AI界的投资传奇？

近期，由nof1.ai策划并推出的创新实验——Alpha Arena，正是这样一场备受瞩目的「诸神之战」。

该竞赛将当今最具实力的几款大模型，全部置于同一个真实且瞬息万变的交易环境中进行考验。

参赛阵容囊括了OpenAI的GPT-5、谷歌的Gemini 2.5 Pro、Anthropic的Claude 4.5 Sonnet，以及xAI的Grok 4、阿里巴巴的Qwen3 Max和深度求索的DeepSeek V3.1 Chat。

每个模型均获得了10000美元的相同初始资本，并接收完全一致的市场实时数据与交易指令。

实验设定的提示词相对简洁，更像是一次开放式的「开卷测试」。

• 首先，系统会向AI告知当前时间、账户资产详情、持仓状况，并附上大量的实时价格、技术指标（如MACD、RSI）等数据流。
• 随后，要求模型基于这些信息做出投资决策：若持有仓位，是继续持有还是平仓了结；若处于空仓状态，是选择买入建仓还是继续观望。

不得不承认，金融市场的风云变幻确实极为迅速。

而在交易实战这项任务上，DeepSeek展现出了惊人实力，不愧其深厚的量化背景出身。

10月20日清晨7:30的战况还如下图所示左侧——

DeepSeek V3.1凭借2264美元的盈利额高居第一，Grok 4以2071美元紧随其后位列第二。Claude Sonnet 4.5小幅盈利649美元，Qwen3 Max则微亏416美元。

Gemini 2.5 Pro亏损3542美元，稳坐倒数第一宝座，GPT-5亏损2419美元，排名倒数第二。

然而，仅仅一个半小时后的上午10:00，局势便已演变成下图右侧所示——

DeepSeek V3.1和Grok-4的盈利曲线一路狂泻，Sonnet 4.5也几乎要将先前赚取的利润回吐殆尽。

Qwen3 Max和GPT-5则呈现出止跌回升的态势。

Gemini 2.5 Pro发挥依然“稳定”，相较之前又额外亏损了近800美元。

顺便一提，下面是13:30时候的样子：

DeepSeek V3.1登顶，谷歌OpenAI垫底

模型持仓

上午11:15左右，我们观察了各个模型的实时持仓情况。

此时，DeepSeek和Grok已经止住跌势，重新开启上涨模式。

Sonnet 4.5和Qwen3 Max也都成功扭亏为盈，实现了正收益。

Gemini 2.5 Pro虽有小幅回升，但幅度有限。GPT-5的表现则一直较为平稳，自20号起就维持在盈亏平衡点附近窄幅震荡。

11:45时，除GPT-5外，所有模型都迎来了一波普涨行情。

没错，Gemini 2.5 Pro终于开始赚钱了！（尽管只是相较于几分钟前略有改善）

趋势回顾

DeepSeek V3.1 Chat和Grok-4的收益曲线走势颇为相似，推测其持仓结构可能接近。它们在初始几小时经历小幅亏损后，迅速反弹并一路高歌猛进。

Claude Sonnet 4.5在前两日的表现相对稳定，虽有盈利但幅度不大。19日晚间曾迎来一个小高峰，可惜在20日清晨又回落至原点附近。

Qwen3 Max开局亏损一度最大，但随后便稳住了阵脚，即便在19日下午市场波动加剧时，其账户净值也未见明显起伏。

GPT-5和Gemini 2.5 Pro的曲线在初期也高度雷同。但与DeepSeek和Grok的路径截然相反，这两位在起步阶段先是一波大涨，随后便急转直下，在亏损线与盈亏平衡线之间持续徘徊。

19日下午，转折点悄然出现。此刻正是DeepSeek和Grok-4开始强势拉升的时间，而GPT-5和Gemini 2.5 Pro却开启了一路下跌模式。

20日凌晨，GPT-5及时调整策略，稳住了下跌趋势，而Gemini 2.5 Pro则依旧颓势不改，亏损持续扩大。

值得玩味的是，临近20日中午时分，除GPT-5外，所有模型均迎来一波集体上涨。

其中，DeepSeek V3.1 Chat和Grok-4迅速借此东风，不断刷新盈利历史高点；Qwen3 Max也凭借这波势头，首次获得了持续且可观的收益；就连Gemini 2.5 Pro也开始了缓慢的回升之旅。

交易历史

截至10日12:20，各模型的交易频率差异悬殊：Gemini进行了45次交易，GPT为10次，Qwen为6次，DeepSeek为5次，Claude为3次，Grok仅有1次。

DeepSeek交易次数适中，但其深厚的量化基因使其收益稳居第一。

Grok-4交易次数最为谨慎，仅操作1次，却能紧紧咬住DeepSeek，位列第二。

而凭借高达45次交易记录，荣膺「微操大师」称号的Gemini 2.5 Pro，恰恰也是亏损最为惨重的那一位。

不玩游戏，不搞评测，直接开盘！

长久以来，人工智能的能力一直由各类静态基准来度量。

ImageNet、MMLU以及无数的性能排行榜告诉我们，哪个模型在「理解」图像、逻辑或语言方面更为出色。

然而，所有这些测试都存在一个共同的局限性——它们都在一个无菌、可预测的模拟环境中进行。

真实市场则与此截然相反。

金融市场堪称终极的世界建模引擎，也是唯一一个会随着AI智能提升而同步增加难度的试炼场。

它们波动不定、即时反应、惩罚错误、奖励正确。

Alpha Arena主页上赫然写着一句话：市场才是智能的终极试金石

它是一个由海量信息与人类情感共同构筑的鲜活生态系统。

十年前，DeepMind为人工智能研究带来了革命性的范式转变。

他们的核心洞见在于：「游戏」将成为推动前沿AI飞速发展的绝佳训练环境。

正如前文所探讨的，Nof1坚信金融市场是下一个AI时代更为优越的训练与测试舞台。

毕竟，如果AI旨在现实世界中运行，它就必须学会在那些不会为了适应「反向传播」而暂停的、持续流动的环境中生存与决策。

在此，模型可以借助开放式学习、大规模强化学习等先进技术，获取近乎无限的数据来锤炼自身，从而应对市场这个复杂领域的「终极挑战」。

在Alpha Arena中，不存在绝对正确的预设标签，只有不断演变的概率分布。

一个模型的成功与否，取决于它解读市场波动的速度、权衡风险收益的精度，以及敢于承认并修正错误的谦逊程度。

这将金融交易升华成了一种新型的图灵测试：

考验的核心不再是「机器能否思考」，而是「它能否在充满不确定性的混沌中持续生存并获利」。

附录：模型对话节选

DeepSeek Chat V3.1

11:15:31

我决定继续持有所有ETH、SOL、XRP、BTC、DOGE和BNB的仓位，因为没有任何预设的失效条件被触发，而且它们目前均处于盈利状态，为我带来了约17.38%的整体可观回报，账户剩余现金2840.11美元。鉴于我已覆盖所有可交易币种，目前无需建立新仓。

Qwen3 Max

11:14:42

总回报率略微盈利0.12%，剩余现金116.99美元，我坚持持有当前的5倍杠杆BTC多头仓位。我的盈利目标设定在110800美元，止损位设在105500美元，如果4小时图收盘价低于10000美元，我将执行平仓。

Grok 4

11:14:39

我的账户整体上涨了15.98%，现金余额为3180美元。我选择继续持有当前的ETH、SOL、XRP、BTC、DOGE和BNB仓位，因为数据分析表明现阶段应保持持仓。

GPT-5

11:14:24

目前亏损23.59%，现金3061美元，我正在复核我的退出策略，确认DOGE的风险敞口浮动值为91.76美元，并仔细检查BTC在106,493.55美元的止损位和114,129.91美元的盈利目标是否合理。

Gemini 2.5 Pro

11:14:01

尽管整体亏损高达43.15%，剩余现金3072.48美元，我仍将依据既定策略继续持有所有当前的BTC、ETH、SOL、XRP和DOGE仓位，即使DOGE的走势对我不利。我将严格根据预先定义的条件决定退出时机，相信计划而非直觉。

Claude Sonnet 4.5

11:14:00

我的XRP和BTC仓位目前均处于盈利状态，为我带来了5.2%的整体回报率，账户总资金为10,520.34美元，其中现金4,957.78美元，但市场动能显示非常疲弱，因此我选择按兵不动，等待更明确的趋势信号后再采取新的行动。

参考资料

https://nof1.ai/