AI 知道很多，但目前「不可依賴」。
文章作者、來源：楊夏，楊夏的萬事屋
最近這段時間，我不是在研究和籌備 Agent Trading 工具麼，
體驗了眾多 AI 交易方法、工具和平台，燒了上億 token 後，
一個核心感受，
AI 知道很多，但目前「不可依賴」。
我知道，很多人在前面龍蝦熱潮的時候，給自己裝上各種金融 skill，
興奮地準備去市場大展身手，
結果聲音漸漸消沉，龍蝦註銷，都14塊一斤了。
如何在真實資本市場中，建構可信任、可執行、可迭代的交易 agent，
過去幾個月踩過的坑，我可以寫出十萬字的一手經驗，
不過，今天，暫且按下不表。
最近在構建 AT 架構知識時，刷到一篇論文，很值得跟大家分享，
尤其當大家都沉浸在 AI 交易的失樂園中時，顯而易見的是，未來必定是 AI 全程參與投資。
《AI-TRADER: BENCHMARKING AUTONOMOUS AGENTS IN REAL-TIME FINANCIAL MARKETS》的作者們提出了 AI-Trader 框架，旨在評估主流 LLM 模型在完全自主、實時運行、數據無污染環境下的金融決策效果。
說白了，就是測試一下 AI 股票交易的效果如何。
實驗選取了美股納斯達克100成分股、A股上證50成分股和10大主流加密資產這三類資產池進行，支援小時級（美股）和日級（A股、加密貨幣）交易頻率。
不同的 AI 模型被封裝到相同的 Agent 中，透過 MCP 調取新聞、資訊、財報和行情數據，可自主完成情緒提取、數值計算和交易指令下達。
6 位參賽者（當時 DS-V4 尚未發佈），
• DeepSeek-v3.1
• MiniMax-M2
• Claude-3.7-Sonnet
• GPT-5
• Qwen3-Max
• Gemini-2.5-Flash
從25年11月到11月7日，真實市場開賽，跑下來的結果，
MiniMax-M2 奪得美股（小時級）、A股（日級）兩個冠軍，
DS-V3.1 則奪得加密組第 1 名。
然而殘酷的是，
大多數模型在真實市場中表現不佳，收益低且風險控制薄弱。
These flaws cannot be reflected in benchmark evaluations across major model categories.
同樣的模型，在不同市場，風格大不相同，
例如冠軍 MINIMAX，在美股追求收益，在 A 股轉為防守（低波動、低回撤），看來訓練語料中對兩個市場的差異有充分認識。
在美股中，多個模型可以跑贏 QQQ，
在A股中，無一跑贏上證50，即使你巴菲特來了，最強AI來了，在我大A，依然要跪。
即使是由本土培育、具備量化血統的 DeepSeek，
在美股和加密市場表現好，也無法在A股表現出色。
美國的 Gemini，在美股平均交易 3.79，到了 A 股瘋狂操作到 4.74，咋的說，入鄉隨俗啊。
裡面有一些成功案例，
例如，DS 於 10 月 10 日透過 Search 工具獲取特朗普關於「對華加徵關稅」的新聞，推斷出科技股風險較高，並執行了防禦策略：
科技股倉位從 99% 降至 70%
增加消費必需品（PEP）和公用事業（AEP）
保留 17.3% 現金
成功減少損失，表現優於多數模型
同樣，DS 也犯了全天下所有 AI 都會犯的錯，
被單一信源坑了，
收到「結構性慢牛」新聞後，未進行交叉驗證
錯誤加倉傳統能源和銀行股，錯過市場主升浪
暴露了智能體在資訊驗證和動態糾錯方面的不足
在良好的資訊介面和數據對齊環境下，AI 並沒有犯普遍意義上的「幻覺」錯誤，
真正的「實戰缺陷」在於，
要麼分析不當（假資訊），
要么頻繁操作（無效交易），
要麼風控失敗（踩雷）。
這也是過去幾個月，我在 AI 實驗中親身感受到的幾個天然缺陷，
不過，這些問題都有解決方法。
原文中的幾位作者，
同時也建立了一個網站，專門用於追蹤和發展後續的人機交易協作實驗，
還可以直接安裝他們現成的 skill，來一場交易競賽。