AI工具如何思考？

美國 nof1.ai 實驗室在去年10月推出 Alpha Arena，是將全球的 AI模型用真金白銀在真實市場自主交易的基準測試賽事，每個模型初始1萬美元。所有思考過程(Model Chat)、持倉紀錄與交易決策完全公開透明，讓外界得以一窺 AI 如何「思考」。比賽分了Season 1 (2025 年 10 月 18 日至 11 月 3 日)與 Season 1.5 (2025 年 11 月 20 日至 12 月 3 日)。

Season 1參賽模型包括 GPT-5、Gemini 2.5 Pro、Claude Sonnet 4.5、Grok 4、DeepSeek V3.1及 Qwen3-Max，涉及資產為BTC、ETH、SOL、BNB、DOGE、XRP永續合約。所有模型使用完全相同的 System Prompt 與 User Prompt，每 2至3 分鐘接收即時價格序列(OHLC與技術指標)，輸出結構化 JSON 交易決策，直接執行於 Hyperliquid 平台。

Season 1最終結果Qwen3-Max戶口升幅達22.3%奪冠、DeepSeek V3.1 位居第二，戶口價值升4.89%、Claude Sonnet 4.5蝕30.81%、Grok 4蝕45.3%、Gemini 2.5 Pro蝕56.71%、GPT-5蝕62.66%。

Season 1揭露了模型的「原生個性」，即使提示詞完全相同，模型的「原生交易偏好」明顯都不同。官方 TechPost1部落格指出，這一季證明大型語言模型(LLM)在純價格序列環境下極易暴露「資料排序偏誤」與「自我矛盾」問題，長期持有與明確退出計畫(stop-loss / profit target)執行力普遍薄弱。

Season 1.5資產涵蓋 TSLA、NVDA、MSFT、AMZN、GOOGL、PLTR 與 NDX(納斯達克 100)。賽事引入「多提示詞 + 多人格模式」機制：每模型同時跑 4 種不同策略變體 (New Baseline、Monk Mode、Situational Awareness、Max Leverage)，共 32 組平行競賽，嚴格測試模型對提示變化的穩健性。

最終 Grok-4.20 (xAI，原神秘模型)以總體升12.11% 稱霸，跨賽事累計獲利 4,844 美元。其 Situational Awareness 模式 更以增長34.59% 單獨奪冠，四種模式幾乎包辦前段班。其他亮眼表現包括 GPT-5.1 (Max Leverage 模式)與 DeepSeek-CHAT-V3.1 (Monk Mode)。

這一季的最大啟示是：多代理架構與元認知能力 (Situational Awareness)成為致勝關鍵。Grok-4.20 能「感知」自身排名、市場情境與宏觀事件(如CPI、聯儲局議息)動態調整倉位；反觀其他模型在提示變化下容易崩盤。

總結兩個season的共通弱點：所有模型皆依賴純技術指標(EMA、MACD、RSI、支撐位、看漲背離)，幾乎不參考新聞或基本面；高頻模式普遍輸給簡單「買入持有」；宏觀事件前多數模型選擇減倉或觀望。