近期，Interactive Brokers 宣布，用户可将 ChatGPT、Claude、Grok 等大语言模型直接接入投资账户，用于市场研究、投资组合分析，乃至生成交易指令。大语言模型正从“回答问题”“生成内容”的对话工具，演化为能调用外部工具、连接真实系统、参与复杂决策的智能体。随着 AI 迈进真实场景，一个更具现实意义的问题随之浮现：当它们持续参与现实金融决策时，表现究竟如何？
为探究这一问题，香港大学经管学院人工智能评估实验室（AIEL）开展了一项实时外汇交易实验。10 个主流大语言模型——包括 GPT、Claude、Gemini、DeepSeek、Qwen、Grok、GLM、Kimi、MiniMax 和 Seed（Doubao）——在相同初始资金、交易工具与杠杆约束下，基于真实市场数据持续进行模拟交易。它们每个小时获取一次最新市场信息，自主判断是否检索新闻、分析行情或调整仓位。所有决策均基于实时数据完成，实验有效规避了训练数据与评测数据重叠可能带来的数据污染风险。
自2026年4月启动以来，经过六周运行，不同模型在交易行为和收益表现上呈现出明显分化。部分模型实现了接近两位数的累计收益率，例如Qwen3.5 Plus和Kimi K2.5；而MiniMax 2.5和DeepSeek V3.2则出现了较大亏损。值得注意的是，这一结果与我们此前发布的推理能力评测 或Chatbot Arena + 通用能力榜单并不完全一致——在推理、知识问答或代码生成任务中表现领先的模型，未必能在真实金融市场中斩获最佳收益。
您已阅读40%（664字），剩余60%（981字）包含更多重要信息，订阅以继续探索完整内容，并享受更多专属服务。