媒体与学术评论版

本次由 Nof1 发起的“Alpha Arena”AI实盘投资比赛，为评估大模型在真实金融市场中的决策能力提供了极具参考价值的实验样本。与传统基于静态任务（如代码、数学、知识问答）的评测不同，实盘交易引入了高波动性、不完全信息、策略博弈与风险管理等复杂变量，因此结果更能反映模型在现实环境中的可落地能力。

从结果来看，阿里 Qwen 与 DeepSeek 成为仅有的实现正收益的模型，其中 Qwen 以超 20% 的收益率夺冠。这表明：中国主导的大模型在金融量化与动态决策这一垂直场景中展现出较强的适应能力。而美国的 GPT-5、Claude 4.5、Grok 4 与 Gemini 2.5 Pro 全部亏损，尤其 GPT-5 最终亏损超过 60%，这一差距具有一定分析价值。

值得关注的是，比赛过程中出现了一次具有分水岭意义的策略转换：在其他模型集体回撤时，Qwen 与 DeepSeek 自动调整交易策略，并在震荡行情中重新获得收益。这意味着它们不仅具备市场趋势判断能力，还具备风险控制、仓位管理与模型自适应能力。相较之下，多数闭源模型在亏损阶段缺乏有效策略更新，表现出“过度持仓”或“静态决策”的特征。

更深层意义在于生态模式的差异。中国模型，尤其是 DeepSeek，引导了以开源为核心的竞争格局，使企业、研究机构与独立开发者能够在统一技术基础上快速迭代和复用算法。相比之下，美国模型仍以闭源商业化分发为主，这有利于质量控制，但更新速度相对较慢。

因此，这次比赛的结果并不简单意味着“谁更先进”，而是揭示了两种 AI 发展路径的阶段性差异：

金融市场是极端环境，它对算法鲁棒性、实时决策、风险管理的要求远高于日常问答任务。因此，这次比赛提供了一个罕见的事实证据：在高不确定性、真实经济场景中，中国模型展现出了更强的实盘执行能力与策略调优效率。

这对未来具有启示意义：
AI 的竞争已从“语言能力比拼”转向“现实世界任务比拼”。
真正的评价标准不再是基准测试分数，而是能否在真实环境中创造价值。

如果大模型最终要走向产业与经济体系，那么类似的实盘测评，可能比语言评分和推理测试更能反映一个国家 AI 基础实力的变化趋势。