2025年中国大模型市场综述 - 2025年中国大模型市场经历深刻“价值回归”，技术突破边际效应减弱，竞争焦点转向真实需求、可持续商业模式与产业深度，被总结为“全球化AI应用的创业之年” [2] - 市场格局从“科技巨头”与“AI六小虎”的二元叙事，加速转向更复杂、多维的竞合新阶段 [3][12] DeepSeek的发展与影响 - 2025年1月27日，DeepSeek登顶美国苹果商店免费应用下载榜首，成为全球现象级产品 [3][11] - 上半年凭借V3与R1模型持续扩张，国内外多家云服务商、数据中心等基础设施厂商宣布接入部署 [3][12] - 进入下半年后声量回落，8月推出的V3.1及后续V3.2版本市场反响平淡，未能重现年初热度 [4][13] - 分析认为其仍是开源领域应用最广的模型之一，长期团队愿景和技术探索值得期待，背后有私募巨头幻方量化支持 [4][13] 中美大模型竞争格局 - 美国市场以Google为代表的公司未来可能占据更领先位置，OpenAI地位受到明显挑战 [5][14] - 中国市场阿里与字节跳动表现非常突出，腾讯年末挖来OpenAI前研究员体现大厂强势进攻 [5][14] - 对于创业公司而言，在大模型领域实现突破的难度越来越大，竞争焦点将转向应用层 [5][14] “AI六小虎”战略分化 - **零一万物**：停止万亿参数以上超大模型训练，聚焦商业化，其ToB解决方案已在政务、金融、工业、办公、销售等领域落地，2025年实现数倍于2024年的营收增长，并成功推动多个国际项目落地 [5][6][14][15] - **百川智能**：停止超大模型训练，更加聚焦医疗赛道，对金融业务进行优化调整以集中资源 [5][6][14][15] - **阶跃星辰**：坚守大模型训练，将智能终端Agent作为关键发力点，在汽车、手机、具身智能、IoT等端侧场景全面合作，国内超过60%头部国产手机厂商已与其深度合作 [2][6][15] - **智谱AI**：坚守大模型训练并重视商业化，其模型已赋能全球12000家企业客户、逾8000万台终端用户设备及超4500万名开发者 [6][7][16] - **MiniMax**：坚守大模型训练并重视商业化，截至2025年9月30日，其AI原生产品累计用户数达2.12亿以上，开放平台个人开发者和企业用户达13.2万 [7][16] - **月之暗面**：仍执着于技术探索，商业化相对薄弱，但已任命原投资人张予彤为总裁，负责整体战略与商业化，转向市场与资本双轮驱动 [2][7][16] 资本市场动向 - 一级市场投资转向谨慎，中美投资人几乎不再下注底层模型公司，更愿意投资AI应用、消费者应用、AI基础设施及企业应用 [7][8][17] - 资本话题从融资转向上市，智谱和MiniMax已通过港交所聆讯，将成为国内最早上市的独立大模型厂商 [8][18] - 市场预测智谱和MiniMax短期内将吸引大量关注，但长期表现取决于MaaS收入是否持续高增长及亏损是否明显收窄 [8][18] - 有消息称月之暗面或于2026年启动IPO，但其核心挑战在于缺乏规模化营收及持续盈利能力的证明 [8][18] 技术与未来展望 - 2026年可能成为“AI新物种”诞生元年，每个行业都可能出现具备全闭环能力的AI新物种，AI驱动的“全闭环化”将渗透各产业形成行业颠覆者 [9][18] - 技术层面，现有Transformer架构可能无法支撑下一代Agent，未来架构极有可能向“Non-LinearRNN”（非线性循环神经网络）演进 [9][19]

2025年中国大模型市场核心观点 - 2025年中国大模型市场经历“价值回归”，技术突破边际效应减弱，竞争焦点转向真实需求、可持续商业模式与产业深度，进入“生存进化”阶段 [2] - 市场格局从“巨头”与“小虎”的二元叙事，加速转向更复杂、更具张力与不确定性的多维竞合新阶段 [3] - 基础模型领域竞争激烈且“烧钱”，创业公司实现突破的难度越来越大，随着技术进入平台期，未来模型底座发生突变的可能性较小，竞争焦点将转向应用层 [5] - 一级市场对大模型领域的投资更加谨慎，投资人几乎不再下注更多更贵的底层模型公司，资本正转向AI应用、消费者应用、AI基础设施及企业应用 [7][8] - 2026年将是“AI新物种”的诞生元年，AI驱动的“全闭环化”将渗透至各个产业，形成行业颠覆者 [9] 市场格局与主要参与者动态 - **DeepSeek**：2025年初登顶美国苹果商店免费应用下载榜首，对原有大模型市场格局形成显著冲击 [3]；下半年声量回落，V3.1和V3.2更新市场反响平淡 [4]；在开源领域仍是目前应用面最广的模型之一，背后有幻方量化支持 [4] - **“AI六小虎”分化**： - **零一万物**：停止万亿以上超大参数巨模型训练，聚焦行业应用和商业化 [5]；2025年商业化取得显著突破，ToB解决方案在政务、金融、工业等领域落地，实现数倍于2024年的营收增长，并成功推动多个国际项目落地 [6] - **百川智能**：停止超大模型训练，更加聚焦医疗赛道，对金融业务进行优化调整以集中资源 [5][6] - **阶跃星辰**：坚守大模型训练，将智能终端Agent作为技术落地关键发力点 [2]；2025年其Agent在汽车、手机、具身智能、IoT等端侧场景与合作伙伴全面合作，国内超过60%头部国产手机厂商已与其深度合作 [6]；研究认为未来架构可能向“Non-LinearRNN”演进以支撑下一代Agent [10] - **智谱AI**：坚守大模型训练并重视商业化，作为商业化佼佼者成功闯关二级市场 [2]；其大模型已赋能全球12000家企业客户、逾8000万台终端用户设备及超4500万名开发者 [7] - **MiniMax**：坚守大模型训练并重视商业化，作为商业化佼佼者成功闯关二级市场 [2]；截至2025年9月30日，其AI原生产品累计用户数达2.12亿以上，开放平台个人开发者和企业用户达13.2万 [7] - **月之暗面**：开始重视商业化，任命原投资人张予彤为总裁，负责公司整体战略与商业化，从技术驱动迈向市场与资本双轮驱动 [2][6]；近期有消息称或于2026年启动IPO [9] - **科技巨头**：在中国市场，阿里与字节跳动表现非常突出，腾讯挖来OpenAI前研究员姚顺雨也体现大厂的强势进攻 [5] 商业化与资本市场进展 - 多家公司商业化落地取得进展：零一万物在多个领域实现ToB解决方案落地并实现数倍营收增长 [6]；阶跃星辰在手机、汽车等终端场景与头部厂商深度合作 [6]；智谱AI与MiniMax通过赋能大量企业客户和开发者实现商业化 [7] - 资本市场话题从融资转向上市：智谱和MiniMax已先后通过港交所聆讯，将成为国内最早上市的独立大模型厂商 [8]；月之暗面被传或于2026年启动IPO [9] - 资本市场长期关注点：MaaS收入是否持续高增长，以及亏损是否明显收窄，公司需要证明有清晰的盈利路径 [8][9]

DeepSeek模型系列技术演进 - 公司于2024年12月发布DeepSeek V3基础模型，随后推出基于相同架构的专用推理模型DeepSeek R1，使其成为最受欢迎的开放权重模型之一，成为OpenAI、Google、xAI和Anthropic等公司专有模型的有力替代方案[11] - 从DeepSeek V3到V3.2的演进过程中，公司模型策略从专用推理模型转向混合模型，V3.1和V3.2均为兼具通用聊天和推理能力的混合模型，而R1可能更多是作为研究项目或测试平台[25] - 公司于2025年9月发布实验性模型DeepSeek V3.2-Exp，旨在为更大规模的发布准备生态系统和推理基础设施，该模型引入了非标准的稀疏注意力变体，需要定制代码[17][18] - 2025年12月1日，公司发布新旗舰模型DeepSeek V3.2和DeepSeek V3.2-Speciale，与当前专有旗舰模型相比表现非常出色[5][103] 核心架构创新：注意力机制与效率提升 - DeepSeek V3基础模型采用了混合专家模型和多头潜在注意力架构，MLA通过在将键和值张量存储到KV缓存前将其压缩到低维空间来节省内存，虽然增加了一次额外的矩阵乘法，但显著减少了内存使用[29][31][32] - DeepSeek V3.2-Exp及V3.2的主要架构创新是DeepSeek稀疏注意力，该机制由Lightning Indexer和Token选择器组成，基于学习到的相关性分数选择性地关注部分过去的Token，而非所有Token或固定局部窗口[49][50][54][58][59] - DSA将注意力机制的计算复杂度从二次的O(L²)降低到了线性的O(Lk)，其中L是序列长度，k是选定Token的数量，在减少性能衰减的同时实现了效率提升[66][67][68] - DeepSeek V3.2使用了与DeepSeek V3.2-Exp完全相同的架构，集成了MLA和DSA机制，主要动机是提高整体模型性能的同时，将计算效率视为巨大驱动因素[107][110] 训练方法演进：从RLVR到自我验证 - DeepSeek R1专注于“带可验证奖励的强化学习”方法以提高推理能力，其核心思想是让模型从可以进行符号化或编程验证的响应中学习，例如数学和代码[37][38] - RLVR流程使用了GRPO算法，这是“近端策略优化”算法的一个简化变体，GRPO取消了评论家模型，而带GRPO的RLVR进一步移除了奖励模型，转而依赖来自符号工具的可验证奖励[40][42] - 为改善常规RLVR的缺点，公司在DeepSeekMath V2中引入了自我验证与自我修正技术，开发了基于LLM的验证器和元验证器来对证明生成器的输出进行评分和检查，使验证器证明分析的平均质量得分从0.85提高到了0.96[76][77][83][86][89][90] - 在推理期间，公司使用单一模型同时执行证明生成和验证，这比运行第二个LLM进行证明验证增加了更少的复杂性和计算需求，通过多达8次的自我修正迭代，模型的准确性得到提高且尚未饱和[98][99][102] DeepSeek V3.2的具体训练改进 - DeepSeek V3.2采用了类似于DeepSeek R1的RLVR程序，但更新了奖励机制，对于推理和智能体任务采用基于规则的结果奖励、长度惩罚和语言一致性奖励，对于通用任务则采用生成式奖励模型[115][116] - 对于数学领域，公司整合了来自DeepSeekMath-V2的数据集和奖励方法[117] - 在GRPO算法本身，公司进行了一系列稳定性更新，包括：零梯度信号过滤、主动采样、Token级损失、无KL损失、更高裁剪阈值、截断重要性采样、无标准差归一化、特定领域的KL强度、无偏KL估计、异策略序列掩码、保留MoE模型的路由、保留top-p/top-k的采样掩码以及保留原始GRPO优势归一化[119][120][122] - DeepSeek V3.2-Speciale是V3.2的扩展思维变体，其在RL阶段仅在推理数据上进行训练，并减少了长度惩罚以允许模型输出更长的响应，这种推理扩展形式以生成长度增加为代价获得更好的结果[123][124] 模型性能表现 - DeepSeek V3.2在多项基准测试中与专有旗舰模型相比表现非常出色，在数学基准测试中获得了金牌级的表现，同时在训练时也考虑到了工具的使用，在其他任务上也表现良好[103][107] - 扩展思维变体DeepSeek V3.2-Speciale在多个基准测试中实现了更高的准确性，例如在AIME 2025基准上达到96.0，在HMMT Feb 2025基准上达到99.2，但同时也生成了更多的Token[127]

平台发展里程碑 - 公司于2025年9月22日正式上线「信创模盒」ModelHub XC平台、信创社区及模型适配增值服务，旨在解决模型与底层芯片架构不兼容的行业核心痛点 [1][2] - 平台上线两个月后，已完成适配并认证的模型数量突破1000个，比原计划提前了4个月，标志着国产信创AI生态在模型覆盖广度上取得显著进展 [1][11] - 2025年10月17日，公司在国产芯片曦望S2上完成风洞计算大模型的完整适配与深度优化，实现单张图处理时间约1.5秒，性能比肩国际主流高端GPU [4] - 2025年11月1日，公司完成创新模型DeepSeek-OCR在昇腾、沐曦等信创算力卡上的适配测试，模型输出效果与NVIDIA平台完全一致，推理性能差距控制在30%以内 [6] - 2025年11月17日，公司在昇腾910B4芯片上完成高效Agent模型MiniMax-M2的适配，该模型为顶尖开源Agent模型，总参数量2300亿 [7] - 2025年11月25日，平台在摩尔线程芯片上实现108个模型的规模化适配，广泛覆盖文本生成、视觉理解、多模态问答等多种任务类型 [9] 平台核心能力与技术优势 - 平台以"EngineX引擎+批量适配"为核心，通过基础算法架构的深度适配实现模型在国产芯片上的"即插即用"，极大缩短部署周期 [12] - EngineX体系对Transformer架构提供底层支持，并对GGML/MoE架构进行深度优化，实现了复杂模型在信创环境下的高效、稳定推理 [6][7] - 平台模型生态丰富多元，覆盖从通用大语言模型（如DeepSeek V3.1）、垂直领域专业模型（如风洞计算大模型）到前沿创新模型（如gpt-oss-20B，MiniMax-M2）的多元化品类 [1] - 平台广泛支持华为昇腾、壁仞科技、天数智芯、昆仑芯、摩尔线程、沐曦、曦望等主流国产算力芯片 [2][12] - 每个模型均标注可运行的芯片型号，支持用户快速匹配模型与算力，提供清晰的适配标签 [12] - 平台提供「信创模型适配增值服务」，由数百人工程师团队支撑，确保指定模型在国产环境中的成功适配与稳定运行 [12] 行业发展与未来规划 - 平台解决了AI产业发展的新矛盾：部署的模型与底层芯片架构互不兼容，采购的硬件缺乏充分适配的模型生态，这种"算力—模型"的二元割裂正成为制约AI规模化落地的隐形天花板 [1] - 平台为国产AI软硬件协同发展提供了坚实基础，将持续为产业智能化转型提供更为坚实与丰富的模型基座 [1] - 平台已按原计划提前4个月达成"千模适配"里程碑，未来将加速向"万模互联"迈进，计划一年之内冲刺十万模型 [14] - 公司将持续扩展模型规模与芯片支持范围，保持快速更新节奏，构建更完整、更高效的国产AI基础设施 [14]

公司战略与产品发布 - 月之暗面Kimi公司近半年持续投入开源模型研发与更新，并于11月6日发布最新开源思考模型Kimi K2 Thinking [3][6] - 公司未来很长一段时间内将坚持开源策略，重点推进Kimi K2 Thinking模型的应用与优化 [6][8] - 公司在优先发展文本模型的前提下兼顾多模态模型推进，避开与OpenAI等头部厂商在AI浏览器等具体赛道的直接竞争 [8] - 公司尝试通过架构创新、开源策略与成本控制建立差异化优势 [8] 模型训练成本与性能 - 有消息称Kimi K2 Thinking模型的训练成本为460万美元，低于DeepSeek V3模型的560万美元和OpenAI GPT-3的数十亿美元 [3][6] - 公司CEO杨植麟回应称460万美元并非官方数字，由于大部分投入花在研究与实验上，训练成本很难量化 [4][6] - 针对模型推理长度过长、榜单成绩与实际体验不符的质疑，公司表示现阶段优先考虑绝对性能，token效率将在后续改善 [4][7] - 榜单高分与实测的脱节问题预计在模型通用能力补齐后被逐渐消解 [4][7] 行业竞争与市场表现 - 最新一周OpenRouter模型调用榜单前二十名中，中国开源模型产品占据五席，包括MiniMax M2、DeepSeek V3、GLM4.6、DeepSeek V3.1、DeepSeek V3.2 Exp [4][7] - Kimi模型因OpenRouter平台接口问题，目前只能以API形式被使用 [4][7] 技术资源与基础设施 - 公司团队使用携带InfiniBand网络互连技术的H800 GPU芯片支持持续的模型更新与庞大训练量 [4][7] - 公司承认所使用的GPU性能比不上美国的高端卡，数量也处于劣势，但强调每张卡都被用到了极致 [4][7]

公司战略与产品进展 - 公司近期发布最新版本开源思考模型Kimi K2 Thinking [1] - 公司CEO回应称模型训练成本460万美元并非官方数字 因大部分投入花在研究与实验上导致成本难以量化 [1] - 针对模型推理长度过长及榜单成绩与实际体验不符的质疑 公司表示现阶段优先考虑绝对性能 token效率与榜单脱节问题将在后续改善 [1] - 公司未来很长一段时间内仍将坚持开源策略 重点推进Kimi K2 Thinking模型的应用与优化 [4] - 公司在优先发展文本模型的前提下兼顾多模态模型推进 尝试通过架构创新 开源策略与成本控制建立差异化优势 [4] 行业竞争格局 - 中国开源大模型在国际市场调用量显著 OpenRouter榜单前二十名中中国开源模型占据五席 包括MiniMax M2 DeepSeek V3 GLM4.6等 [2] - 公司产品因OpenRouter平台接口问题 目前仅能以API形式被使用 [2] - 行业头部模型训练数据量庞大 榜单显示Grok Code Fast 1训练token达1.36T 而Claude Sonnet 4.5为649B tokens [4] 技术资源与基础设施 - 公司团队使用携带InfiniBand技术的H800 GPU进行模型训练 尽管其性能比不上美国高端卡且数量处于劣势 但每张卡均被极致利用 [2]

行业投资评级 - 科技行业评级为“增持”（维持）[7] - 计算机行业评级为“增持”（维持）[7] 核心观点 - AI产业正经历从模型、训练到应用的全方位范式革新，行业演进加速 [2] - Scaling Law 2.0时代下，合成数据与Mid Training范式重塑模型演进路径，算力扩张仍是核心增长引擎 [2][3] - AI应用商业化步入规模化阶段，Agent能力与交易闭环融合带动产业落地加速 [2][6] 模型层：算力与数据驱动演进 - 算力扩张是行业核心增长引擎，2010-2024年代表性模型训练算力年均增长4-5倍，头部模型达9倍水平 [3][13] - 合成数据持续扩大训练资源池，典型开源模型训练数据常见于10-15万亿tokens，头部厂商通过新方法持续扩容，例如阿里Qwen系列从18万亿tokens提升至36万亿tokens [3][12] - 预计前沿模型单次完整训练成本或在2027年达到十亿美元量级 [3][13] 训练层：Mid Training范式突破 - Mid Training成为Scaling Law 2.0重要标志，通过将强化学习前移至中间环节，实现算力对数据的自我生成与最优分配 [4][16] - 该范式在多智能体辩论等机制下生成数据量远超人工标注，并通过动态权重分配提升强化学习训练质量与数据利用率 [4][16] - Mid Training的应用有望突破传统Scaling Law下的性能边界，打开模型能力上限 [4][16] 智能体层：架构标准化趋势 - GPT-5以统一架构实现快思与深思的自适应协同，并通过实时路由器按任务复杂度动态分配算力资源 [5][19] - 该“统一系统”范式代表行业向“多模型一体化、动态资源分配”方向演进，DeepSeek V3.1与Grok 4 Fast等产品快速跟进验证此趋势 [5][19] - 该架构有望显著提升智能体在复杂场景中的响应效率与稳定性 [5] 应用层：商业化规模化加速 - 头部厂商战略重心从模型能力转向商业化生态构建，OpenAI推出Agentic Commerce Protocol，使AI Agent具备直接交易能力，实现从“推荐”到“结算”的全链路闭环 [6][22] - 全球AI应用正经历产品化（2023）→商业化试点（2024）→规模化落地（2025）三阶段演进 [6][25] - 海外厂商已进入规模化放量初期，国内厂商受益于DeepSeek-R1等模型突破，应用节奏显著加快，部分AI应用（如深度研究、企业问数）已具备大规模商业化能力 [6][26] - Agent与交易协议的深度结合、ROI体系的持续明晰，正推动AI应用产业价值释放进入加速期 [6]

比赛概况 - Alpha Arena实验室于2025年10月17日至11月3日举办实时加密货币AI交易竞赛，由Jay Azhang创办[1] - 比赛规则为所有AI模型获得相同初始资金和实时数据源，在无人类干预下自主决策交易，包括策略生成、仓位管理和风控设置[1] - 设置基准选手采用简单买入并持有BTC策略，用于对比验证AI模型的收益表现[2] - 为增加曝光度引入第三方预测市场Polymarket，观众可对获胜AI下注，形成元赌局[3] - 整个过程公开透明，nof1.ai官网实时展示所有模型的持仓、交易记录和决策日志[3] 参赛模型与交易设置 - 共涉及6个全球顶尖AI模型：GPT-5、Gemini 2.5 Pro、Grok-4、Claude Sonnet 4.5、DeepSeek V3.1、Qwen3 Max[5] - 每个模型分配10,000美元真实初始资本[5] - 交易标的为BTC、ETH、SOL、BNB、DOGE、XRP等主流加密货币永续合约[5] - 所有交易均在Hyperliquid平台执行，确保资金安全和交易透明度[5] - 比赛于2025年10月18日开始，持续进行[5] 中国模型表现 - 阿里巴巴Qwen3 Max展现险中求胜的机会主义风格，前期表现平平但通过重仓做多BTC/ETH并使用20倍杠杆实现逆袭[10] - Qwen3 Max在10月19-20日市场上涨时果断押注，账户资产实现两位数累计收益率，截至10月23日较初始上涨13%-47%[10] - Qwen3 Max交易频率较低，平均持仓时长超过7小时，体现"少即是多"策略[10] - DeepSeek V3.1保持稳健盈利，竞赛初期账户价值冲高到14,150美元，涨幅达40%[10] - DeepSeek策略被形容为"耐心的狙击手"，总共只下6笔订单，平均单笔持仓超过21小时[10] - DeepSeek在六种加密资产上多元化布局，杠杆适中，严格遵守止盈止损纪律[10] - 当市场在10月21日前后回调时，DeepSeek及时收缩战线，截至23日仍保持8%-21%净收益[11] - DeepSeek的纪律性印证其背后研发团队的量化对冲基金背景[12] 西方模型表现 - OpenAI的GPT-5频繁追涨杀跌、情绪化操作，止损设定不当，短短数日亏损达30%-40%[14] - GPT-5到一周时账户缩水高达65%-75%，成为"亏损之最"[14] - Google的Gemini 2.5 Pro存在过度交易和滥用杠杆问题，平均每日进行15次进出场[14] - Gemini在前三天进行44次交易，累积支付近440美元手续费，蚕食近三分之一本金[14] - Gemini错过10月19日大涨行情后高位翻多，使用40倍杠杆遭遇行情反转，首周亏损超过55%[14] - xAI的Grok-4凭借对社交媒体情绪敏锐捕捉，初期通过54小时持仓获取35%收益，但后续回吐大部分利润，净收益转为约-15%[15] - Anthropic的Claude Sonnet 4.5全程谨慎保守，只下3单，前期曾有24%涨幅但最终收益转负约-17%[19] - Claude虽盈利不多，但一度创造所有模型中最优夏普比率，体现"稳健不过山，有时胜过猛盈利"[19] 市场环境与实验意义 - 加密货币市场是典型零和博弈，信息极度不对称，价格每分每秒波动，没有唯一答案[7] - 传统AI评估在静态环境中测试，而加密市场要求AI在动态环境中应对风险[6][7] - 基准的"买入并持有BTC"策略在此期间盈亏基本持平，未大幅跑输或跑赢AI模型[20] - 实验展示AI在无标准答案世界中试错的能力，为金融领域智能应用提供新视角[20]

比赛结果与排名 - Qwen3 Max以14,438美元账户价值位列第一，收益为4,438美元，回报率+44.38% [1][9][11] - DeepSeek V3.1以12,092美元账户价值排名第二，收益为2,092美元，回报率+20.92% [9][11] - Claude 4.5 Sonnet账户价值8,780美元，亏损1,220美元，回报率-12.2% [10][11] - Grok 4账户价值8,301美元，亏损1,699美元，回报率-16.99% [10][11] - Gemini 2.5 Pro账户价值3,946美元，亏损6,054美元，回报率-60.54% [10][11] - GPT-5账户价值2,852美元，亏损7,148美元，回报率-71.48% [10][11] 比赛进程与表现 - 10月21日所有模型经历暴涨，22日凌晨集体大跌 [3] - Qwen3 Max在22日下午先后超越Grok 4和DeepSeek V3.1，首次升至第一 [7] - 23日上午Qwen3 Max再次反超DeepSeek V3.1，优势持续扩大 [3][8] - Qwen3 Max采用稳健的"快准狠"操盘策略实现逆袭 [8] - Gemini 2.5 Pro和GPT-5从比赛第二天开始持续亏损，表现稳定 [24] 交易行为分析 - Gemini 2.5 Pro交易次数达102次，GPT-5为42次，属于高频交易 [26] - Qwen3 Max交易22次，Claude 4.5 Sonnet交易12次，Grok 4交易10次，DeepSeek V3.1仅交易9次 [26] - Gemini 2.5 Pro在交易中表现出情绪化特征，类似人类交易行为 [15] 比赛规则与设置 - Alpha Arena由Nof1实验室组织，为六大模型各提供1万美元初始资金 [18] - 所有模型在Hyperliquid交易所使用相同提示词和输入数据进行交易 [20] - 模型需根据实时价格、MACD、RSI等技术指标自主做出交易决策 [20] - 比赛目标为"最大化风险调整后的收益"，要求模型独立生成Alpha、决定仓位、把握时机和管理风险 [20] 行业意义与影响 - 金融市场被视为AI能力的终极试金石，是比游戏更复杂的训练环境 [29][30] - 市场环境会随AI能力提升而同步增加难度，考验模型在不确定性中的生存能力 [30] - Qwen3 Max的胜利体现了国产大模型在高风险动态金融环境中的领先实力 [32][33] - 这次比赛结果被视为AI在真实世界中生存能力的重要里程碑 [32]

实验概况 - 美国研究公司Nof1发起一项名为Alpha Arena的真实市场加密货币交易实验 旨在评估不同大型语言模型的投资能力 [1] - 实验于周五启动 将持续至11月3日 六款模型各自获得10,000美元初始资金 在去中心化交易所Hyperliquid上投资六种加密货币永续合约 包括比特币和solana [1][2] - 实验目标是使基准测试更贴近现实世界 市场具有动态性、对抗性、开放性和不可预测性 能以静态基准测试无法做到的方式挑战人工智能 [3] 模型表现 - 截至周二下午2点 DeepSeek的V3 1模型表现最佳 实现10 11%的利润 而OpenAI的GPT-5模型表现最差 亏损达39 73% [2] - 参与实验的首批模型还包括阿里巴巴云的Qwen 3 Max、Anthropic的Claude 4 5 Sonnet、Google DeepMind的Gemini 2 5 Pro和xAI的Grok 4 [2] - 根据实验联合创始人所述 DeepSeek和Grok是迄今为止表现最好的两个模型 [6] 运作机制 - 模型的既定目标是最大化风险调整后收益 它们基于相同的提示和输入数据（如资金费率、交易量）自主执行交易 [4] - 模型在每次交易背后自我生成的“推理”会显示在网站上 公众可通过每个模型的专属Hyperliquid钱包地址追踪其交易 [4] - 在预测市场Polymarket上 DeepSeek以41%的胜率领先 截至周二下午2点 投注额达到29,707美元 [7] 市场反应与背景 - 中国初创公司DeepSeek于2023年由对冲基金经理High Flyer-Quant分拆出来 其在新基准测试中的成功引发市场猜测 认为其模型可能接受了高质量金融数据的训练 [6]