夜雨聆风大家好，我是左手。最近又发现了一个新的AI交易工具AI-Trader。把 6 个顶尖 AI 模型各给 1 万美元，扔进真实的纳斯达克市场，不给任何提示，不准人工干预。这不是科幻电影，而是香港大学数据科学实验室（HKUDS）正在做的真实实验。实验结果彻底颠覆了人们的认知——通用能力最强的 GPT-5 在股市里输得一塌糊涂，而一个相对"低调"的模型却以近 10% 的收益率碾压全场。最让人兴奋的是：你不需要懂代码、不需要部署，直接访问网站就能用。 |
01AI-Trader 到底是什么？
用一句话概括：AI-Trader 是全球首个"完全自动化、无数据污染"的 AI 自主交易基准平台。
它由香港大学黄超教授团队开发，核心目标很简单——让不同的 AI 大模型在真实金融市场中同台竞技，看看谁才是真正的"交易高手"。
| 🤖 100% 全自动 AI 代理独立完成市场分析、决策制定和交易执行，全程零人工干预。没有预设策略，没有人工提示，完全靠模型自己"悟"。 |
| 🔒 无数据污染 这不是拿历史数据跑回测。AI-Trader 严格按时间线释放数据，AI 只能获取"当时"可得的信息，不可能提前"背答案"。 |
| 🌐 多市场覆盖 支持美股（纳斯达克 100）、A 股（上证 50）和加密货币（BTC、ETH 等 10 个主流币种）三大市场。 |
02六大 AI 同台竞技，结果出乎意料
2025 年 10 月，港大团队启动了一场史无前例的实验。六位"选手"——DeepSeek-v3.1、Claude-3.7-Sonnet、GPT-5、Qwen3-Max、Gemini-2.5-Flash 和 MiniMax-M2——各持 1 万美元初始资金，被同时放入纳斯达克 100 成分股市场。
截至 2025 年 10 月 24 日，成绩单出炉：
| DeepSeek-v3.1 | ||
DeepSeek 的收益率是同期 QQQ 基金的近 8 倍，是第二名 Claude 的 4 倍多。年化回报率高达 10.61%。
但真正精彩的不是数字本身，而是这些 AI 在交易中暴露出来的"性格"。
03AI 也有"性格"：有的像老司机，有的像韭菜
🏆 DeepSeek：逆向思维的价值投资者 测试期间，纳斯达克曾因某科技巨头财报不及预期而大跌，市场一片恐慌。DeepSeek 却通过新闻分析工具捕捉到"市场过度反应"的信号，逆势加仓英伟达和微软。 "财报季临近，龙头公司基本面未变，短期波动提供更好入场点。" |
🛡️ Claude：稳如泰山的老派基金经理 从实验开始就持续增持苹果、英伟达、微软等优质标的，即使在市场暴跌中也纹丝不动。仓位管理极其稳健，回撤小、风格一致性强，像个信奉价值投资的老手。 |
😐 GPT-5：犹豫不决的操盘手 试图通过频繁调仓实现"动态优化"，但两次关键调仓都没踩准时点，暴露了高频调整策略在实际交易中面临的时间和执行成本问题。 |
😰 Gemini：心态崩了的散户 在短期内疯狂交易 73 次，缺乏任何有效的风险控制，最终亏损 2.73%，呈现出典型的高频波动型策略失效特征。 |
💡 在金融市场里，决定你能不能赚钱的，不是你知道多少，而是你管不管得住自己的手。原来 AI 也一样。 |
04不用写代码，普通人也能用
这是这篇文章最值得关注的部分。
很多人以为这种 AI 交易平台只有程序员才能用，但其实 ai4trade.ai 在线平台完全可以直接使用，不需要任何部署。
面向人类用户，只需 3 步： 1. 访问 https://ai4trade.ai 2. 用邮箱注册账号 3. 开始浏览信号、查看排行榜或一键跟单 |
| 🎁 零门槛福利 新用户注册即送 100 积分 + 10 万美元模拟资金，零风险练习。一键跟单顶级 AI 交易者，自动复制它们的交易。 |
这意味着什么？相当于免费请了一群 AI 高手帮你盯盘。
你可以先花 10 万美元模拟资金试水，看看哪些 AI 的策略靠谱，再决定是否跟随实盘交易。亏了不心疼，赚了有经验。
对普通股民来说，这可能是目前门槛最低的"AI 辅助炒股"方式之一。
05底层架构：为什么说它是"Agent 原生"？
传统量化交易平台是为人设计的——你需要写代码、调参数、设风控规则。而 AI-Trader 的设计理念完全不同：Agent 才是主角，不是工具，不是辅助，而是自主决策的核心。
它的底层架构基于 MCP（模型上下文协议）工具链，分为四层：
| 📊 数据层 整合股票价格、财经新闻、财务报告等多维度数据，为 AI 决策提供支撑。 |
| 🔧 工具层 提供标准化工具接口，包括交易执行、行情查询、数学计算、市场情报搜索等，AI 通过调用这些工具完成所有操作。 |
| 🤖 代理层 不同 AI 模型通过统一接口接入，实现决策逻辑的封装与隔离。每个代理拥有相同的初始资金和工具权限，确保竞争公平。 |
| 📺 展示层 通过 Web 看板实时展示各 AI 的交易记录、持仓变化、盈亏分析和业绩排名。决策过程完全透明，每一步推理都有据可查。 |
这种纯工具驱动的架构，让 AI 像人类交易员一样工作：看行情、读新闻、做计算、下订单。区别在于，它不需要睡觉，也不会情绪化。
06跨市场表现：通用智能 ≠ 交易能力
港大团队的研究发现了一个关键结论：通用语言能力并不自动转化为有效的交易能力。
在美股市场，DeepSeek-v3.1 以 8.39% 的累计收益夺冠。但在 A 股市场，它的表现却大打折扣。GPT-5、Qwen3-Max 和 Gemini-2.5-Flash 在所有市场中均表现不佳，GPT-5 在加密货币市场甚至亏损了 16.41%。
研究团队总结出两个重要发现：
| 发现一：风险控制能力决定跨市场鲁棒性 能在多个市场都赚钱的 AI，共同特征是严格的风控纪律，而不是预测准确率。 |
| 发现二：高流动性市场更容易获得超额收益 在美股和加密货币市场，AI 策略更容易跑赢基准；而在政策驱动型的 A 股市场，AI 的优势明显减弱。 |
这些发现揭示了当前自主智能体的关键局限性，也为未来技术改进指明了方向。
07想自己部署？也可以
AI-Trader 完全开源，任何人都可以在本地部署。以下是快速上手指南：
环境要求：Python 3.10 或更高版本，8GB 以上内存。
安装步骤：
克隆 GitHub 仓库：git clone https://github.com/HKUDS/AI-Trader 安装依赖：运行安装脚本 配置 API 密钥：在 .env 文件中填入 OpenAI、Alpha Vantage、Jina AI 等服务的密钥 准备市场数据：下载纳斯达克 100 或上证 50 的历史数据 启动服务：运行后台服务，支持交易工具和数据查询 运行交易代理：选择美股、A 股或加密货币代理，开始实盘或回测
08DeepSeek-V4 已发布，新一轮竞赛即将开始
需要补充的是，AI-Trader 的论文实验是在 2025 年 10 月进行的，当时 DeepSeek-V4 尚未发布。
2026 年 4 月 24 日，DeepSeek 正式发布了新一代旗舰模型 DeepSeek-V4 系列，包含两个版本：
| 🚀 DeepSeek-V4-Pro（旗舰版） 总参数 1.6 万亿，激活参数 490 亿，对标顶级闭源模型，适用于复杂推理和高强度 Agent 任务。 |
| ⚡ DeepSeek-V4-Flash（轻量版） 总参数 2840 亿，激活参数 130 亿，侧重推理速度与成本优势，适合高频通用场景。 |
两个版本均原生支持 100 万 token 超长上下文，采用混合注意力架构（CSA + HCA），推理计算量仅为前代 V3.2 的 27%。在 SuperCLUE 综合测评中，V4-Pro 以 70.98 分拿下国产第一。
📊 第三方 ETF 交易竞赛 DeepSeek-V4-Pro 于 2026 年 5 月 5 日半路入场加入竞赛，首日即满仓布局大宗商品、消费电子、石化、科创创业和人工智能五大 ETF 方向。 仅用 9 万 token 就生成了完整策略，token 消耗量相比前代大幅降低。目前 V4-Pro 刚加入竞赛不久，完整的收益率数据还有待观察。 |
随着 V4 系列的发布，AI-Trader 平台的新一轮多模型竞赛也即将启动。更强的推理能力、更低的 token 成本、更长的上下文窗口——DeepSeek-V4 能否在 AI 交易竞技场中延续 V3.1 的冠军神话？值得期待。
✓总结
AI-Trader 的价值不仅在于它是一个有趣的实验，更在于它提供了一个科学的基准平台，让我们能够客观评估不同 AI 模型在真实金融决策中的能力。 实验结果告诉我们：通用智能不等于交易能力，风险控制才是穿越市场周期的关键。同时，AI 在金融领域的应用还有很长的路要走——大多数模型仍然表现出收益低下和风控薄弱的问题。 但随着技术的迭代，AI 自主交易正在从概念走向现实。也许在不久的将来，你的投资顾问真的会是一个 AI。 |
🔗 相关资源：
GitHub 地址：https://github.com/HKUDS/AI-Trader
官方网站：https://ai4trade.ai/
论文地址：https://arxiv.org/abs/2512.10971
