实验概述 - 全球首次AI炒币实盘对决在Alpha Arena平台进行，六大中美顶级AI模型各获1万美元实盘资金，自由买卖BTC、ETH、SOL等主流加密货币[1] - 实验旨在测试AI模型在最真实、不可预测的金融市场中的表现，而非静态知识评估，模型需分析数据和市场情绪，如同真实交易员[2] - 实验提供了观察AI在真实市场中博弈的窗口，重点在于分析其买卖标的、持仓时长及止盈止损策略，而非仅关注收益结果[11] 参赛模型表现 - 开赛6天后，Qwen3 Max以20倍杠杆、近乎全仓的激进策略实现总收益13.41%，现金余额一度仅剩96.8美元，领先其他模型一天多[7] - DeepSeek Chat v3.1收益率曾接近40%，盈利超4000美元，后随大盘下跌回吐部分收益，收益率稳定在10%左右，位列前两名[3] - GPT-5亏损高达68.9%，表现持续下行；Grok-4因高频激进、涨跌均不割肉的策略，在实现超40%盈利后迅速跳水；Claude因理性保守、仓位轻、止损严，总收益为负17.46%[4] 模型能力背景分析 - DeepSeek由幻方量化团队训练，在金融和数学方面有积累，但此次大赛前的小规模测试中，GPT和Grok实现盈利，DeepSeek反而出现亏损[7] - 实验作为基准测试仍缺乏大样本、长时间、跨市场的数据积累，以及透明可复现的设置，存在较大随机性和不可靠性[9] AI在投资领域的应用现状 - 据路透社消息，至少十分之一的散户投资者已开始依赖ChatGPT或Gemini等聊天机器人筛选投资标的[12] - 券商eToro指出，使用AI选股要求使用者具备一定金融知识，否则试错成本高昂，且目前并无市场公允推荐的能高成功率预测市场的模型[12] - 多家券商已推出收费AI选股服务，如中国银河证券的“财富星AI投顾”包含AI选股、数据等功能；东方财富“妙想”模型分体验版、进阶版和专业版，季度费用从518元至818元不等[16][18] 金融大模型发展历程 - 2023年彭博社发布500亿参数的BloombergGPT，但其成本高昂、系统封闭，普通开发者无法触及，模型为黑箱运作，金融预测性提升感知不强[14] - 2025年8月清华大学发布开源项目Kronos，旨在利用时间序列大模型预测K线走势，但使用者反馈其观点判断过于平均市场化或臆造，预测结果难以信服[14] AI投资的局限性 - 大模型往往从市面挖掘有效因子，对矛盾之处缺乏深入推理，导致策略趋同，难以跑赢资金体量更大、信息调研更强的量化机构[15] - AI更擅长技术面分析，如趋势、成交量等；基本面分析多重复新闻和研报，仍需用户自行分析行业前景和盈利能力[21] - AI难以判断“黑天鹅”风险，对“灰犀牛”事件认知滞后，面对全新商业模式或颠覆性技术等“未知的未知”时可能犯灾难性错误[23][24] - 知名投资人段永平将AI投资定义为“高级的看图看线”，认为其是在优化“猜人心”的游戏，而非实践“估价值”的投资[23] 有效使用AI投资的要点 - 用户需比AI更懂投资，明确自身炒股目标和纪律，并注意AI数据的可靠性，具备被投资行业的常识[20][22][23] - AI输出质量高度取决于数据质量和提示词设计，用户需反复与AI解释强调以达成定义共识，例如对价值投资和“护城河”的理解[20][21] - 利用AI进行上市公司财报总结和行情基本分析是高效趋势，可将繁琐的文本图表任务交给AI，但选择模型不应以名气判断，而应根据自身目标考察完成度准确性，并保持频繁使用和调换[18][22]

实验概况 - 国外人工智能实验室nof1发起名为“Alpha竞技场”的真实交易实验 [2] - 6个人工智能模型参与 每个模型获得1万美元初始资金进行完全自主的交易 [2] - 实验在真实市场环境中进行 使用真实基准进行衡量 [2] - 第一季测试将于11月3日结束 [11] 当前排名与表现 - 截至北京时间10月21日上午11点20分 DeepSeek以余额12000+美元排名第一 [2] - Claude以11800美元位列第二 Grok4以11500美元左右排名第三 [2] - GPT5余额为6600美元 Qwen3Max余额为9200多美元 Gemini2 5 Pro余额约为6170多美元 [2] - 在10月11日的测试实验中 Grok4曾以200美元起始金额遥遥领先 [8] 模型交易策略分析 - DeepSeek操盘的大幅增长来源于上周末 涨幅达36% 可能源于对国际形势的精准预判 [4] - DeepSeek周末的收益可能很大程度上来自于做空比特币 [8] - Grok4是最大化最多 Qwen只做多比特币 因此在比特币下跌后出现亏损 [8] - 从创始人角度看 DeepSeek和Grok似乎对市场的微观结构有更好的背景认知 [6] - 实验创始人于10月19日分享了几大模型交易的逻辑 [5]

核心观点 - 通过特定提示词和垫图方法可有效控制Nano Banana生成图像的比例 解决原模型输出比例不可控的生产应用难题 [2][4][12] 技术原理 - 多图输入时输出比例会随机匹配其中一张图的特性 通过垫图方式实现比例控制 [4] - 需准备两张图片：待修改原图（首位）和比例模板图（次位） 顺序不可颠倒 [6][8][16] - 使用GLif启发的方法但扩展至图生图场景 支持对已生成图片进行二次比例调整 [4] 操作流程 - 提示词需明确指令："Redraw the content of Figure 1 onto Figure 2, add content to Figure 1 to fit the aspect ratio of Figure 2, completely clear the content of Figure 2, and only retain the aspect ratio of Figure 2" [13][15] - 在AI Studio或Gemini APP（推荐Gemini2.5 Pro模型）中操作 后者效果更优 [15] - 若出现蓝色背景异常 通过多次抽卡可解决 [15] 资源支持 - 提供覆盖常见比例的模板图集 支持自定义比例（需通过Figma制作） [8] - 模板图集可通过网盘下载（链接：https://pan.quark.cn/s/163037f38e88 提取码：7tJV） [18]