港大AI外汇交易实验：通义千问最赚钱，DeepSeek亏损最多

香港大学经管学院近日公布了一项引人注目的AI外汇交易实验，将10款主流AI大语言模型接入真实外汇市场，让它们以自主交易智能体的身份独立决策和交易。实验历时六周，旨在考察大模型在金融市场的实际表现能力。

结果显示，阿里巴巴的通义千问在实验中表现最优，盈利领跑所有参赛模型。而DeepSeek则成为亏损最多的模型，在六周的外汇交易中表现垫底。这一结果引发了业界对AI金融应用能力的广泛讨论。

实验揭示了两个关键现象。首先，交易活跃度与收益不成正比。部分模型如DeepSeek V3.2和Claude Opus 4.6在六周内完成了逾千笔交易，但因频繁操作导致亏损加剧。相比之下，表现优异的通义千问和Kimi交易次数控制在500至800笔之间，展现出更精准的时机把握能力。

其次，高杠杆策略存在显著风险。实验中发现部分模型使用激进的杠杆策略，虽然短期内可能放大收益，但在波动市场中反而加速了亏损。Gemini 3.1 Pro Preview也因类似问题出现了大幅亏损。

这一实验结果为AI在金融交易领域的应用提供了重要的参考数据。它表明，大模型虽然具备理解市场信息的能力，但知道得多并不等同于交易得好。成功的AI交易需要更好的风险控制、交易纪律和时机选择能力。

需要注意的是，实验结果可能受到实验设计、初始资金配置、交易时间窗口等多种因素的影响。不同的实验条件可能得出不同的结论。

接下来值得关注的是，这些模型厂商是否会根据实验反馈优化其模型的金融决策能力，以及是否有金融机构会将此类实验成果转化为实际交易策略。