原文作者：Frank，PANews

不到十天，資金翻倍。

當DeepSeek和Qwen3在Nof1推出的AlphaZero AI實盤交易中取得這一戰績時，其盈利效率已遠超絕大多數人類交易員。這迫使我們正視一個問題：AI正從「研究工具」轉變為「一線操盤手」。它們是如何思考的？ PANews對這場競賽中六個主流AI模型的近10日交易進行了一次全面複盤，試圖揭開AI交易員的決策秘訣。

沒有「資訊差」的純技術對決

在分析之前，我們必須先明確一個前提：這場競賽的AI決策是「斷網」式的。所有模型被動接收完全相同的技術面資料（包括當前價格、均線、MACD、RSI、未平倉合約、資金費率以及4小時和3分鐘的序列資料等），並無法主動聯網取得基本面資訊。

這排除了「資訊差」的干擾，也讓這場競賽成為「純技術分析是否能獲利」這一古老命題的終極考驗。

從具體的內容來看，AI所能獲得的內容包括以下幾個面向：

1.幣種的當前市場狀態：包括當前的價格資訊、20日均線價格、MACD資料、RSI資料、未平倉合約資料、資金費率、以及前述部分資料的日內序列（3分鐘週期）、長期走勢序列（4小時週期）等。

2、帳戶資訊和表現：包括目前帳戶的整體表現、回報率、可用資金、夏普比率等。目前倉位的即時表現，目前的止盈止損和失效條件等。

DeepSeek：沉穩的趨勢大師與「複盤」的價值

截至10月27日，DeepSeek的帳戶最高達到了23,063美元，最大浮盈約130%。無疑是表現最好的模型，而在交易行為的分析當中，你會發現之所以取得這樣的成績並不是偶然。

首先，在交易頻率方面，DeepSeek展現出趨勢交易者的低頻風格，在9天的時間內，它一共完成交易17次，是所有模型當中最少的。在這17次交易當中，DeepSeek有16次選擇做多，1次做空，也剛好符合這段時間整體市場從谷底反彈的走勢。

當然，這種方向選擇也不是偶然，DeepSeek透過RSI和MACD等指標進行綜合分析，始終認為現在的整體市場屬於看漲勢頭，因此選擇堅定做多。

在具體的交易過程中，DeepSeek初期的幾個訂單並不順利，前5個訂單都已失敗告終，不過每次的虧損並不大，最高不超過3.5%。且前期的幾個訂單持倉時間都比較短，最短的只花了8分鐘就平倉。隨著行情朝預設方向發展，DeepSeek的部位也開始展現出持久的狀態。

從DeepSeek的持倉風格來看，它習慣在入場後設置較大的止盈空間和較小的停損空間。以10月27日持股為例，平均設定的停盈空間為11.39%，平均的停損空間為-3.52%，損益比設定為3.55左右。以此來看，DeepSeek的交易策略更偏向小虧大賺的思路。

從實際的結果來看也是如此，根據PANews總結分析，在DeepSeek已結算的交易當中，其平均盈虧比達到了6.71，是所有模型當中最高的。雖然勝率41%並不是最高（排名第二），但仍以2.76的獲利期望排名第一。這也是DeepSeek達到獲利最高的主要原因。

此外，在持倉時間方面，DeepSeek的平均持股時間為2952分鐘（約49小時），同樣排名第一。在幾個模型當中可謂是名副其實的趨勢交易者，也符合金融交易當中盈利最主要的要素「讓子彈飛一會」的思路。

在部位管理方面，DeepSeek相對還是比較激進，它平均的單一部位槓桿率達到了2.23，並且常常同時持有多個倉位，這就讓總體的槓桿率也達到了相對更高的水準。以10月27日為例，其持股的總槓桿率超過3倍。但由於它同步嚴格的停損條件，這也讓風險始終在可控範圍內。

整體來說，DeepSeek的交易之所以取得較好的成績，是一種綜合策略的結果。開倉選擇方面，它運用的也只是最主流的MACD和RSI作為判斷依據，並沒有什麼特殊指標。只是嚴格執行合理的盈虧比，以及不受情緒影響堅決持股的決策。

另外，PANews也發現一個較為特別的細節。 DeepSeek在思考連結的過程中，也延續了其過往的思維特點，會形成一個較長，充滿細節的思考過程，最後再將所有思考過程匯總成一個交易決策。這項特點反映在人類交易員當中，則更像那些注重複盤的交易員，而這種複盤是每三分鐘就要進行一次。

這種複盤能力看起來即便應用在AI模型當中，也有一定的作用。能夠保證每個代幣和市場訊號細節都被一遍遍的分析，而不會被忽略。這或許是另一個最值得人類交易者學習的地方。

Qwen3：大開大合的激進“賭徒”

截至10月27日，Qwen3是表現第二好的大模型。最高帳戶金額達2萬美元，獲利率達100%，獲利結果僅次於DeepSeek。 Qwen3的整體特徵是高槓桿、高勝率的特徵。其整體勝率達43.4%，名列所有模型第一。同時單一部位大小也達到了5.61萬美元（槓桿率達到5.6倍）同樣是所有車型最高的。雖然在獲利預期方面並不如DeepSeek，但大開大合的風格也讓其結果截至目前緊隨DeepSeek。

Qwen3的交易風格相對激進，在平均停損方面，其平均的停損達到491美元，是所有車型中最高的。單次最大虧損達2,232美元，同樣是最高。這也意味著Qwen3能夠容忍更大的虧損，俗稱扛單。但其不如DeepSeek的地方就在於，即使忍受了更大的虧損，卻沒有獲得更高的回報。 Qwen3的平均利潤為1547美元，不如DeepSeek。這也使得其最終的獲利期望比例僅為1.36，只有DeepSeek的一半。

另外，Qwen3的另一個特色就是喜歡單次持有一個部位，並在這個部位上下重註。使用的槓桿常常達到25倍（競賽允許的最高倍數） 。這樣的交易的特點是，非常依賴高勝率，因為每一次虧損，都會造成較大的回檔。

在決策過程中，Qwen3似乎特別關注4小時級別的EMA 20均線，並以此作為自己的進出場訊號。而在思考鏈路上，Qwen3看起來也很簡單。包括持倉的時長上，Qwen3也表現得缺乏耐心，平均的持股時間為10.5小時，排名僅高於Gemini。

整體而言，Qwen3雖然目前的獲利結果看起來不錯，不過其隱憂也較大，過高的槓桿、孤注一擲的開倉風格、單一的判斷指標、較短的持倉時間和較小的盈虧比等習慣都可能為Qwen3的後續交易之路埋下隱患。截至10月28日發稿前，Qwen3的資金已最大回撤至1.66萬美元，從最高點回檔比例達26.8%。

Claude：執著的多頭執行者

Claude雖然整體上也處於獲利狀態，截至10月27日，帳戶總金額達到12,500美元左右，獲利約25%。這數據單獨拿出來看其實還是較為亮眼的，不過相比DeepSeek和Qwen3則看起來稍顯遜色。

實際上，無論是開單頻率或部位大小，以及勝率方面。 Claude都和DeepSeek有著較為接近的數據表現。共開單21次，勝率38%，平均槓桿比率2.32。

而之所以差距較大的原因，可能是存在於較低的盈虧比，雖然Claude的盈虧比也表現的不錯，達到了2.1。但相對DeepSeek確實有3倍以上的差距。因此，在這樣的綜合數據下，它的獲利期望值也只有0.8（小於1的時候長期來看將維持虧損）。

此外，Claude還有一個顯著的特點就是一段時間內只做一個方向，截至10月27日已完結的訂單當中，Claude的21個訂單全部做多。

Grok：迷失在方向判斷的漩渦中

Grok在前期的表現較好，甚至一度成為獲利水準最高的模型，最高獲利超過50%。但隨著交易時間的增加，Grok的回檔嚴重。截至10月27日資金回到1萬美元左右。在所有模型當中排名第四，整體報酬率與持有BTC現貨曲線接近。

從交易習慣來看，Grok同樣屬於低頻交易和長線持有的選手。已結束的交易只有20筆，平均持股時間達30.47小時，僅低於DeepSeek。不過，Grok最大的問題可能是勝率太低，只有20%，同時損虧比也只有1.85。這也使得其獲利期望值只有0.3。從開單的方向來看，Grok的20次部位，多空次數都是10次。而在這個階段的行情當中，顯然過多的做空明顯會降低勝率。從這個角度來說， Grok模型對於市場的趨勢判斷還是有問題。

Gemini：高頻“散戶”，在反覆橫跳中磨損“致死”

Gemini是交易頻率最高的模型，截至10月27日共完成了165單交易。過度頻繁的開單也讓Gemini的交易表現十分差，最低的帳戶金額跌至3800美元左右，虧損率達62%。其中，光手續費就支出了1095.78美元。

高頻交易背後，是極低的勝率（25%）和只有1.18的盈虧比，綜合的獲利預期只有0.3。這樣的數據表現之下，Gemini的交易注定是虧損的。或許是對自己的決策不自信，Gemini的平均部位也很小，單一部位的槓桿率只有0.77，每次的持股也只有7.5小時。

平均的停損只有81美元，平均停利是96美元。 Gemini的表現更像是典型的散戶，賺一點就走，虧一點就跑。在行情的上下波動中反覆開單，不停地磨損帳戶本金。

GPT5：低勝率與低盈虧比的“雙殺”

GPT5是目前排名墊底的模型，整體的表現和曲線都與Gemini非常接近，虧損比例都大於60%。相較之下GPT5雖然沒有Gemini那麼高頻，但也做出了63次交易。且損益比只有0.96，也就是說平均每次獲利0.96美元，對應的停損則達到1美元。同時GPT5的交易勝率也低到只有20%，和Grok旗鼓相當。

在持股大小方面，GPT5和Gemini十分接近，平均部位槓桿率約為0.76。看起來十分小心謹慎。

GPT5和Gemini的案例說明，較低的部位風險不一定有利於帳戶獲利。且高頻交易之下，勝率和盈虧比都注定無法得到保障。另外，這兩個模型同樣的幣種多單的開倉價也都明顯高於DeepSeek等獲利模型，這也說明它們的進場訊號看起來有些遲緩。

觀察總結：AI照見的兩種交易“人性”

整體而言，透過對AI的交易行為進行分析，讓我們再一次獲得了審視交易策略的機會。其中，尤其以DeepSeek的高獲利選手和Gemini及GPT5的大虧損這兩種極端交易結果的模型分析最具思考意義。

1.高獲利的模型行為有以下幾個特點：低頻、長持、大盈虧比，入場時機及時。

2.虧損的模型行為有以下幾個特點：高頻、短線、低盈虧比，入場時機較晚。

3.獲利的多寡與市場資訊多少之間並無直接聯繫，這場AI模型的交易比賽當中，所有模型所獲取的資訊都是一致的，相比人類交易員，它們的資訊來源更加單一。但仍能呈現遠超絕大多數交易員的獲利水準。

4.思考鏈路的長短似乎是決定交易嚴謹性的根本。在DeepSeek的決策過程是所有模型當中最長的，這個思考過程對應到人類交易員當中更像是那些善於複盤並認真對待每次決策的交易準測。而那些表現較差的模型的思考連結則十分簡短，更像是人類拍腦袋決策的過程。

5.隨著DeepSeek、Qwen3等模型的獲利出圈，不少人討論是否可以直接跟單這些AI模型。但這種操作似乎不可取，即便目前個別AI的盈利能力不錯，但這裡似乎也存在一定的運氣成分，即在這一段行情當中恰好跟隨了大行情走勢。一旦行情走入新的狀態，這種優勢是否能夠維持仍是未知數。不過，AI的交易執行能力還是值得學習。

最後，誰會贏得最終的勝利？ PANews將這些數據表現發給了多個AI模型，它們一致選擇了DeepSeek，理由是其獲利期望最符合數學邏輯，交易習慣也最好。

有趣的是，它們第二看好的模型，幾乎都選擇了自己。