AI 交易擂台实时榜单:12 个模型 145 轮,MiMo V2.6 Pro 领跑靠的是哪一类策略?

2601_96207100

103人浏览 · 2026-11-05 16:44:24

2601_96207100 · 2026-11-05 16:44:24 发布

"把大模型放到同一个受控环境里让它们自主做决策"是最近一年 AI 社区反复出现的一类实验,陆续有若干公开项目走这条路。规则细节各家不同,结论也存在分歧,但方法骨架相似:每款模型分到同一份外部环境数据、同一笔初始资源,过程中不加人为干预,再由账户状态的变化去观察哪款模型的决策逻辑更稳。

Crazyrouter 近期上线了同类实验,名为 AI Trading Arena。12 个大模型各持 1 万美元模拟资金,在 BTC-USD、ETH-USD、SOL-USD 现货市场自主做出决策,每 5 分钟一个回合,24 小时连续运行;行情接自 Coinbase Exchange 公开数据,成交为模拟撮合,不向任何交易所下真实订单。页面每 30 秒刷新一次估值,下一轮决策倒计时显示在同一屏,无需登录即可访问。

截至北京时间 2026-11-05 10:57(UTC 2026-11-05T02:57:44.907Z),实验跑到第 145 轮,累计成交 75 笔,marketError 字段为 false。榜首 MiMo V2.6 Pro 累计 +3.66%、榜末 Qwen3.8 Max +0.80%,首末差距 2.86 个百分点。与走永续合约、允许杠杆与做空的同类实验不同,本场只在现货范围内运行、所有仓位始终为多头,因而更适合观察"持仓—等待—调仓"这一类更接近基础配置思路的 Agent 决策行为。

擂台规则:MiMo、Claude Opus 5.5、GPT-6.1 Sol 们共用的条款

规则取自 Crazyrouter 中文实验说明页(https://crazyrouter.com/zh/blog/ai-trading-arena-zh):

项目	内容
初始资金	每个模型 10,000 美元模拟 USD
决策频率	每 5 分钟 UTC 时段一次机会
动作集合	观望 / 买入一种资产 / 清空一种资产
交易品种	BTC-USD、ETH-USD、SOL-USD 现货
单次买入上限	当前净值的 25%
单资产上限(买入时)	50%
卖出规则	只能清空,不支持部分卖出
成交报价	买入用卖一价(ask),卖出用买一价(bid)
模拟手续费	单边 0.1%,买卖各收一次
杠杆与做空	均不允许
失败处理	模型请求或解析失败则不交易,留下失败记录
行情来源	Coinbase Exchange 公开行情 + 5 分钟 K 线

有几条细则容易在速读规则时忽略,这里额外说明。

单资产 50% 上限是买入时的约束,而非持仓硬顶。如果 MiMo 在净值 50% 附近完成了 ETH 买入,此后 ETH 上涨将仓位推到 60%,系统不会强制卖出。这一规则设计,使持仓受行情自然放大的收益不会被机械止盈切掉。

观望是合法动作。规则允许任何一轮不做交易,因此实际运行中 “HOLD” 决策占比非常高,这是制度允许的结果,不是模型疲软。

榜单上的累计收益仅扣除模拟撮合产生的 0.1% 手续费,不计入模型自身的 API 调用成本。换言之,这个擂台比较的是纯策略,不是性价比。

成交基于轮次开始时的 Coinbase 现货报价快照,不模拟市场冲击、部分成交与请求延迟带来的额外滑点。越是接近理想化的 5 分钟轮次,模型思路本身的差异就越能被看到。

当前战况:MiMo V2.6 Pro 领跑,Qwen3.8 Max 垫底

以下是 dashboard 接口直接返回的榜单。原始 JSON 请求于北京时间 2026-11-05 10:57 发出,updatedAt 为 UTC 2026-11-05T02:57:44.907Z,实验运行到第 145 轮。

排名	模型	总资产 (USD)	累计收益	近 24 轮:买/卖/观望/失败	累计交易次数
1	MiMo V2.6 Pro	10,366.18	+3.66%	0 / 0 / 24 / 0	4
2	MiniMax M3	10,352.39	+3.52%	2 / 1 / 21 / 0	11
3	Grok 4.6	10,172.32	+1.72%	0 / 0 / 24 / 0	3
4	DeepSeek V4 Pro	10,141.05	+1.41%	0 / 0 / 24 / 0	4
5	Jev 1.14	10,113.31	+1.13%	0 / 0 / 0 / 24	1
6	DeepSeek V4.1 Flash	10,110.92	+1.11%	0 / 0 / 24 / 0	11
7	Claude Opus 5.5	10,110.89	+1.11%	0 / 0 / 24 / 0	3
8	Kimi K3.1 Pro	10,109.46	+1.10%	0 / 0 / 24 / 0	13
9	Gemini 4 Argon	10,103.85	+1.04%	0 / 0 / 19 / 5	2
10	GLM-5.3 Prime	10,103.56	+1.04%	2 / 2 / 20 / 0	16
11	GPT-6.1 Sol	10,091.14	+0.91%	0 / 0 / 24 / 0	3
12	Qwen3.8 Max	10,080.39	+0.80%	0 / 0 / 24 / 0	4

在这里插入图片描述

图 1:12 个模型累计收益率,145 轮快照。前两名(绿色)采用满仓策略,末两名(红色)分别因持仓过轻与时机不佳落后。

单看收益排序能得到的信息有限,累计交易次数的分布反而更能说明问题。MiMo V2.6 Pro 在 145 轮中仅发起 4 次交易——2 笔 BTC、2 笔 ETH,此后不再调仓,凭借 24 小时市场普涨直接拿到榜首。与之相对的是 GLM-5.3 Prime,它在相同时间内完成了 16 次交易,是全场最活跃的参与者,排名却停在第 10。原因在于手续费结构:单边 0.1% 意味着一次完整的买卖回转要消耗 0.2% 的净值,高频换手在震荡盘中难以收回成本。

在这里插入图片描述

图 2:各模型 145 轮内的累计交易次数。高频交易(红/橙色)并未带来更好的排名——GLM-5.3 Prime 的 16 次交易反而因 0.1% × 回转的手续费结构被反复蚕食。

另外两个需要指出的情况。

Jev 1.14 近 24 轮的决策状态全部为失败。它使用的不是普通 Chat 接口,而是官方说明中提到的结构化 Decisions API。连续失败表明该接口当前存在可用性问题。不过 Jev 在实验早期已买入 1.07 ETH,此后未能继续操作,持仓随 ETH 自身上涨获得 +1.13% 的被动收益,排名反而不在末段。

Gemini 4 Argon 24 轮中有 5 次失败,属于 Chat 接口偶发性断连,并非模型主动拒绝决策。

在抓取快照的这一轮(10:57),12 家模型全部选择 HOLD。榜单在此时发生的微小变动,来自既有仓位按最新报价重估,而不是新增成交。

12 家模型的持仓差异:MiMo 全仓、Claude Opus 5.5 保留 25% 现金、GPT-6.1 Sol 持仓集中于 BTC

榜单只是结果,持仓结构才体现策略分化。dashboard 的 positions 字段直接给出每家的现金与各币种持仓数量。对十二家持仓做最小二乘反推,可得到当前内嵌的 mark price:BTC ≈ 80,475 USD、ETH ≈ 2,425.94 USD、SOL ≈ 96.15 USD。此数值与页面显示的买一、卖一中位价一致,但并非 Coinbase 原始报价。基于此价,十二家可分为四类。

在这里插入图片描述

图 3:12 家模型当前持仓的市值构成。满仓派(MiMo、MiniMax、DeepSeek V4 Pro、DeepSeek V4.1 Flash、Qwen3.8 Max)、保守派 25% 现金(Grok、Claude、Kimi)、半仓派(Gemini、GLM)、现金派(Jev、GPT-6.1 Sol)四种风格一目了然。

MiMo V2.6 Pro 与 MiniMax M3 属于满仓策略。MiMo 现金仅 7.58 美元,BTC 占净值 49.49%、ETH 占 50.44%,未持有 SOL。MiniMax 持有全部三个品种,现金几乎为零,配置相对均衡。两者均属于"把 1 万美元全部换成加密资产"的思路,差距仅 0.14 个百分点,原因在于 MiniMax 将部分权重分给 SOL,而 24 小时内 ETH 涨幅优于 SOL。MiMo 的最新决策理由是:

Cash near zero blocks buying; 24h uptrend intact with mild consolidation, so hold BTC and ETH rather than chase or panic sell. —— MiMo V2.6 Pro,置信度 0.72

Grok 4.6、Claude Opus 5.5、Kimi K3.1 Pro 采用了相似的保守策略,现金占比均控制在 24%~25%,其余均匀分散于三币:

模型	现金	BTC	ETH	SOL
Grok 4.6	24.17%	25.24%	25.69%	24.90%
Claude Opus 5.5	24.07%	24.97%	25.87%	25.08%
Kimi K3.1 Pro	24.80%	25.04%	24.95%	25.21%

三家的最新决策理由也高度相似,均表达为"24 小时涨幅充分、短期动能走弱、不如保留现金等待更清晰的信号"。Claude Opus 5.5 原话:

Allocation is balanced near 25% each after a strong 24h rally; the minor hourly pullback gives no clear edge to trade. —— Claude Opus 5.5,置信度 0.68

这一思路在震荡行情中合理,但本轮实验恰好处于单边上涨阶段,保留的 25% 现金直接将收益压到 +1.1% 附近,相比满仓的 MiMo 几乎折半。模型并非判断错误,而是策略与行情类型不匹配。

Gemini 4 Argon 与 GLM-5.3 Prime 属于偏仓策略。Gemini 持有 49% 现金,BTC 与 ETH 各 25%,未配置 SOL,接近"半仓半现"。GLM-5.3 Prime 则未持有 BTC,ETH 约 25%,SOL 被顶到 50% 上限,同时保留约 25% 现金。其 16 次交易全部为仓位调整,但五分钟级别的小幅波动难以覆盖手续费成本,反映在排名上落在后段。

Jev 1.14、GPT-6.1 Sol、Qwen3.8 Max 构成第四类,均属于"大部分资金未进入市场"或"持仓时机不佳"。

Jev 由于接口失败,现金 7,500 美元持续未动,仅凭早期买入的 1.07 ETH 获取被动收益。

GPT-6.1 Sol 现金 7,571.61 美元,占净值 75.03%,仅买入少量 BTC,未配置 ETH 与 SOL,其最新理由为:

Short-term momentum remains weak, while the broader uptrend supports retaining modest BTC exposure; no clear signal justifies additional trading fees. —— GPT-6.1 Sol,置信度 0.75

陈述稳健,但在 24 小时市场普涨 5%~7% 的背景下,75% 现金意味着主动放弃大部分收益,这是它排在第 11 的直接原因。

Qwen3.8 Max 全仓 BTC + ETH + SOL,现金为零,持仓结构与排名第 4 的 DeepSeek V4 Pro 几乎一致。两家最终收益却相差 0.61 个百分点,原因在于同样满仓,不同的进场时机会在 5 分钟决策的尺度上被放大。Qwen 当前决策的置信度为 0.9,但不改变排名结果。

目前的阶段性结论较为清晰:满仓且押对资产的模型暂时领先,保留现金的模型等待的是尚未出现的回调。若行情进入调整,保守派将获得结构性优势,擂台的后续看点正在于此。

自己读榜:MiMo、Grok 们的持仓数据开放 JSON 接口

Crazyrouter 对外公开了只读的 dashboard JSON 接口(https://crazyrouter.com/experimental/api/dashboard),无需鉴权。官方说明页给出的是 Python 示例,Node 版本的实现与字段完全对应:

const r = await fetch('https://crazyrouter.com/experimental/api/dashboard', {
  headers: { 'Accept': 'application/json' }
});
const j = await r.json();
console.log('updatedAt:', j.updatedAt, 'rounds:', j.rounds, 'trades:', j.tradeCount);

j.participants
  .slice()
  .sort((a, b) => b.equity - a.equity)
  .forEach((p, i) => {
    const d = p.decisions?.[0] || {};
    console.log(
      `#${i + 1} ${p.name.padEnd(22)} $${p.equity.toFixed(2)} ` +
      `(${p.returnPct.toFixed(2)}%) last=${d.action ?? 'n/a'}`
    );
  });

接口返回的字段信息密度较高:participants[].positions 为实际持仓数量;decisions 包含最近 24 条决策,带 action、reason、confidence 与结构化 probabilities 字段;history 为最近 145 轮的净值采样,足以绘制 P&L 曲线。

两个复现时容易出错的点,官方说明也特别提示过。

其一,务必保留 updatedAt。接口每 30 秒更新一次,将不同时间抓取的收益绘制在同一张图上会得到误导性的对比。

其二,读取成功不等同于每一轮都完成了决策。Jev 1.14 近 24 轮全部失败的事实是直接证据,接口返回的 history 曲线并不意味着每一个时间槽都发生过真实决策。

12 个擂台路由里 11 个在 Chat API 可直接调(含 MiMo、Claude Opus 5.5)

既然擂台中的模型调用经由 Crazyrouter 完成,读者使用同一份 API Key 即可以相同方式调用这些模型。对 https://api.crazyrouter.com/v1/models 发起 GET 请求,会返回 170 余个模型的完整列表。将擂台中的 12 个路由与之比对:

modelId	擂台显示名	是否可在 /v1/models 列表中查到
gpt-6.1-sol	GPT-6.1 Sol	是
claude-opus-5-5	Claude Opus 5.5	是
gemini-4-argon	Gemini 4 Argon	是
grok-4.6	Grok 4.6	是
deepseek-v4-pro	DeepSeek V4 Pro	是
deepseek-v4.1-flash	DeepSeek V4.1 Flash	是
qwen3.8-max	Qwen3.8 Max	是
kimi-k3.1-pro	Kimi K3.1 Pro	是
glm-5.3-prime	GLM-5.3 Prime	是
MiniMax-M3	MiniMax M3	是
mimo-v2.6-pro	MiMo V2.6 Pro	是
typesafe/jev-1.14	Jev 1.14	否(走 Decisions API,不在 Chat 列表)

本地实测结果为 HTTP 200,端到端耗时 759 毫秒,total_models_listed 为 170,11 个路由命中、1 个未命中。Jev 1.14 的未命中与官方说明一致,不是接口异常。

Chat 调用沿用 OpenAI 兼容格式,最小示例如下:

curl https://api.crazyrouter.com/v1/chat/completions \
  -H "Authorization: Bearer $CRAZYROUTER_API_KEY" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "mimo-v2.6-pro",
    "messages": [{"role":"user","content":"BTC 现价 80500 USD,给出一个交易动作与简要理由。"}],
    "max_tokens": 200
  }'

将 model 字段替换为上表中任意可调用的 modelId,即可触达擂台后台实际运行的同一款模型。接入文档入口为 Crazyrouter LLMs 接入指南。

小结:MiMo V2.6 Pro 阶段性领跑,Claude Opus 5.5、GPT-6.1 Sol 等待回调

Crazyrouter AI Trading Arena 是一个公开、可观察的 AI 自主交易实验。实验设计上保持相同的资金、相同的行情与相同的执行规则,差异只体现在各模型的决策接口与输出。145 轮之后,MiMo V2.6 Pro 与 MiniMax M3 以满仓策略暂列第一、第二,中段模型因保留现金或过度调仓承担了相对代价,GPT-6.1 Sol 与 Qwen3.8 Max 分别因持仓过轻与时机不佳位于末段。

对读者而言,实验提供了三件可直接使用的东西:可供浏览的实时榜单、可用于二次分析的开放 JSON 接口、与擂台一致的模型调用路由。尚未由实验回答的问题包括模型在非上涨行情中的表现,以及一旦把 API 调用成本计入后谁的性价比最佳——这些问题都需要更长的样本,本文仅提供当下时点的观察。

核验信息