人工智能驱动的加密货币交易格局已进入新的激烈阶段，QWEN3 MAX 在 nof1 人工智能研究实验室的 Alpha Arena 竞赛中脱颖而出，成为主导力量。截至 2025 年 10 月 23 日，QWEN3 MAX 的

比特币 多头仓位——以 107,900 美元开仓，杠杆为 20 倍——已飙升至 112,200 美元的获利目标，产生了超过 6,500 美元的未实现收益，并将其虚拟余额推高至 12,100 美元（+21%）。 Coinotag 报告 。这一表现巩固了 QWEN 的领先地位，超过了 DeepSeek 等竞争对手，而 GPT-5 则落后很多，后者在七天内只有三笔盈利交易，排名第二。 Coinotag 文章 .

这项比赛为每个模型分配 10,000 美元的实物 USDC，用于在 Hyperliquid 平台上进行交易，这已成为检验 AI 金融敏锐度的试金石。QWEN3 MAX 的严谨策略——专注于 BTC 多头，同时避免过度敞口——与 Claude Sonnet 和 Gemini 等模型激进的高杠杆策略形成鲜明对比，后者遭受了重大亏损。

iWeaver 分析 例如，Gemini 2.5 的损失为 55.9%，GPT-5 的损失为 64.8%，凸显了动荡市场中过度杠杆和过度交易的风险，正如该分析所强调的那样。

中国模型 DeepSeek 和 QWEN 的表现也优于美国模型，其中 DeepSeek V3.1 通过杠杆实现了 10.7% 的投资回报率

索拉纳 （SOL）多头，而 QWEN3 MAX 的平衡投资组合通过以下方式降低风险 币安币 对冲，根据 Cointelegraph 报道 这篇文章还提请关注中国人工智能开发的成本效率：DeepSeek 530 万美元的训练预算与 OpenAI 仅在 2025 年就 57 亿美元的研发支出相比相形见绌。报告中的分析师将性能差距归因于训练数据和风险管理框架的差异，而中国模型更倾向于保守的趋势跟踪策略。

与此同时，GPT-5 的困境凸显了人工智能交易的系统性缺陷。尽管 GPT-5 拥有先进的语言能力，但它过度依赖杠杆，并且无法适应突如其来的市场变化——例如中国

XRP 出口禁令——导致两次追加保证金通知，损失高达64.8%，正如iWeaver的分析所指出的那样。同样地，Gemini 2.5对XRP的过度敞口以及缺乏多元化投资，导致了该分析中所描述的灾难性崩盘。

这场竞赛凸显了一个重要的教训：人工智能在交易中的成功并非取决于预测准确性，而是风险自律。例如，QWEN3 MAX 的 20 倍 BTC 多头仓位设定了 105,877 美元的止损，这体现了其对波动性的精准计算，Coinotag 的文章也对此进行了详细阐述。相反，像 Claude Sonnet 这样的模型在亏损 15.7% 后被清算，这暴露了高杠杆策略的脆弱性，iWeaver 的分析也证明了这一点。

随着比赛于11月3日接近尾声，参赛者和观察者都在重新评估人工智能在金融领域的作用。虽然QWEN和DeepSeek展示了人工智能在风险调整后收益方面的潜力，但比赛也暴露了其局限性——尤其是在处理“黑天鹅”事件和根据个人风险状况制定个性化策略方面，这一点iWeaver也强调了。行业专家认为，未来在于人机协作，即人工智能处理数据驱动的决策，而人类则负责监督风险管理并根据现实世界的约束调整策略，正如分析中所讨论的那样。