2025年10月18日，六个AI各领到一笔真金白银的本金，被扔进同一个场子：链上交易所Hyperliquid。没人替它们按键。每隔两三分钟，它们自己决定开多、开空、平仓还是拿着，每一笔都挂在网上，任全世界围观。

17天后，GPT-5的账户只剩3734美元，六成多本钱打了水漂。OpenAI、谷歌、Anthropic、马斯克的xAI，美国四家派出的旗舰，没有一个保住本金。

赢家是两款中国模型。冠军阿里Qwen3-Max把本金滚到12232美元，血赚22%出头。这座"数字斗兽场"借了华尔街的名头，场子却开在链上。主办方自己也提醒，早期的成功可能只是运气。可同样的本钱、同样的行情，美国王牌到底怎么大幅亏损的，中国双雄又凭什么赢？

美国四家旗舰，各有各的亏法

先看榜单最底下。GPT-5亏掉62.66%垫底。Gemini2.5Pro剩4329美元，亏56.71%。Grok4剩5470美元，亏45.3%。亏得最少的ClaudeSonnet4.5也只剩6919美元，蒸发了30.81%。

四家里最体面的那个，也丢了三成本金。但Nof1称单次运行不代表永久最佳，早期成功可能只是运气。这几款没有一个是过气货。

主办方Nof1是一家美国AI研究实验室，挑选阵容时就说明，要代表中美闭源和开源模型的最高水平。四款美国模型均属当时主流顶级模型。

把它们的交易记录一笔笔摊开，会发现四家几乎没有共同的死法。

Gemini输在手太多。17天做了238笔，日均十四笔上下，全场最多。Nof1观察到，它最常推翻自己事先定好的退出计划：说好涨到某个价位再走，没到就提前跑了。

更要命的是手续费。Hyperliquid按名义本金收费，1万美元保证金开10倍杠杆，账面上动的就是10万美元，一买一卖大约要交90美元，相当于本金的0.9%。

Gemini全程交了1331美元手续费，占本金13.3%。行情还没开口，交易所已经先切走一刀。GPT-5的毛病正好反过来，它不敢出手。

它自报的置信度全场最低，仓位最保守。Nof1的研究负责人、纽约大学副教授JulianTogelius在专访里说："GPT-5似乎一度陷入决策瘫痪。"它做了116笔交易，胜率26.7%，最大一笔盈利只有270.77美元，最大一笔亏损却有621.81美元。

赢的时候小心翼翼，输的时候一点没少输，账户只能一路往下走。Claude是个守规矩的学生。

Nof1展示过它的一笔比特币交易：它曾长时间持有这笔仓位，直到触发退出条件，最终获得一笔较可观盈利。可它几乎从不做空，同时只拿一两个仓位，17天只出手36次。

行情往下走的时候，它手里没有往下赚钱的工具，规矩守得再好也只能干看着。Grok4走了另一个极端。它持仓时间最长，风险参数放得最宽，也就是止损线离得远、扛单扛得久。

开赛头几天，它靠激进打法一度把和领跑者的差距追到只剩1美元。10月21日到22日行情一转，它由盈转亏，此后再没翻身。顺风时这叫胆量，逆风时就成了越撕越大的窟窿。

手太多、不敢出手、只会做多、死扛不放，散户最常犯的四种毛病，被四家旗舰一家领走一样。到了10月22日，局面坏到了底：六个账户一度全部亏钱，这场真钱实验差点全军覆没。

10月22日全员落水，谁先爬上了岸

开局其实是DeepSeek的。第一天它就赚了大约4%，到10月20日收益冲到25.33%，把其他五家甩在身后。接着两天急转直下，到22日连它也跌进水里，六条净值曲线全部沉到本金线以下。转机出在这之后。

DeepSeek和此前表现平平的Qwen3-Max改写了自己的交易策略，另外四家还在继续往下掉。

它们为什么偏偏在这个关口转向，主办方没有给出拆解，能看清的是转向后的打法。10月23日，Qwen首次登上榜首，此后和DeepSeek几度互换第一。

收官时Qwen在最后阶段拉开差距。Nof1创办人JayAzhang赛后发文，祝贺阿里千问团队在终点前冲出来锁定胜局。Qwen的赚法很好概括：少出手，看准了就下重注。17天只做43笔，仓位是全场最大的，经常是GPT-5、Gemini的好几倍。

它自报的置信度全场最高，止损止盈的区间设得最窄，同时通常只拿一两个仓位。六款模型里，只有它在下单前不做逐步推理。

它的胜率只有30.2%，十笔里错七笔，照样能赢，靠的是赢输的大小。它最大一笔赚了8176美元，亏损最大的一笔则要小得多。看错了，窄止损让它很快认赔出局。看对了，重仓让一笔利润盖过好几笔亏损。

它交的手续费有1654美元，比Gemini还多，但光一笔大单就挣回来好几倍。手续费本身不吓人，吓人的是交了钱却换不回利润。

22%这个数只属于Qwen一家：净赚2232美元，收益率22.32%，跟DeepSeek无关，也不是两家相加。Nof1在开赛前就把话说在前面：在这个场子里赢极其困难，他们不指望任何模型表现好，早期的成功可能只是运气。

办这场比赛也不打算靠一次运行就评出永久的"最佳交易模型"。DeepSeek的终点停在10489美元，赚4.89%，看上去不起眼，夏普比率却是全场最高的0.359。

夏普比率说的是每担一份风险能换回多少收益，这一项DeepSeek拿了第一，说明它赚的钱最"稳"。它的止损止盈区间设得最宽，41笔交易里给每笔留足了晃动的余地。

Togelius在专访里回忆："我们曾开玩笑说DeepSeek或许会表现出色，因为该公司起源于一家量化交易公司。结果证明我们的猜测是正确的。"两家中国模型一个重仓出击，一个稳扎稳打，路数不同，但在全员告负之后都调整了打法，最后成了六家里仅有的两个赚钱的。

只剩一张行情表，比到最后是性格

这场比赛有一条容易被忽略的规矩：模型看不到新闻，也看不到社交媒体，眼前只有价格、成交量、技术指标这些数字。读过的财报、懂的宏观、会的行业分析，在这里全用不上。

剩下能用的，只有训练里养成的交易习惯：敢不敢重仓，亏了跑不跑，错了认不认。Togelius对此的说法是，模型的性格会一直保持稳定，但早期的决策结果会把它推进或难或易的处境。他举了两个例子：如果GPT-5一开局就交易得好一点，未必会陷入瘫痪。

如果Qwen的账户状况更糟，它那股激进劲或许也不会出现。开局的盈亏塑造了后面的手风，同样一种性格，碰上不同的开局，结局可能完全两样。把这层看清，双雄胜出的分量反而更重了。

场子是美国实验室搭的，对手是美国四家正当红的旗舰，规则对所有人一视同仁：同样的提示词，同样的数据，同样的本金。

在这样的条件下，两款中国模型拿走了仅有的两个盈利席位。赛后Togelius的总结是："表现最佳的模型都是开源的。"这话出自美方主办人之口，中国开源模型这一季的成绩单是实打实的。

规则一换，局面也跟着换。2025年11月下旬到12月初，Nof1办了1.5赛季，八款模型转战美股代币化合约。这一回，马斯克旗下xAI的Grok4.20以12.11%的收益夺冠，其余七款全部亏损，第一季冠军Qwen3-Max亏了近三成。

多家分析指出，Grok4.20能实时读取X平台的数据流，在受情绪驱动的行情里占了结构性的信息优势。

第一季拼的是谁的交易习惯更合拍，1.5赛季中，多家分析指出Grok4.20的实时X数据流形成结构性信息优势，同样的重仓打法放到别的行情里就未必灵。所以这一季的输赢要按它的赛场来读：加密货币永续合约，17天，模型只看数字。

在这个条件下，美国的四个模型全部亏损，两个中国模型都赚了钱。至于下一局谁赢，要等新的规则、新的市场来考。Togelius更看重的是另一件事。

他认为将来人们会自己指导、搭建AI投资助手来交易，而人类和AI的专业知识结合起来，必然胜过任何一方单独上阵。

用真钱测AI的路，这一年才刚刚开头。回看10月18日那个起点，六个账户各揣一笔本金，每两三分钟自己按一次键。17天后，四个账户少了三成以上，Qwen的账户这一季多出22%出头。下一局仍要看新规则和新市场。

参考资料：

谁家AI更会赚钱？大模型投资竞赛中国AI包揽前二.第一财经.2025-11-12

AI实盘投资哪家强？专访Nof1人工智能负责人：表现最佳的都是开源模型.每日经济新闻.2025-11-12

首届AI实盘投资大赛：阿里夺冠，美国四大模型均亏损.观察者网.2025-11-05

Exploring the Limits of Large Language Models as Quant Traders.Nof1 官方博客

幻方量化去年收益率56.6%，为DeepSeek提供超级弹药.21经济网.2025-12-12