香港大学经管学院人工智能评测实验室（AIEL）近期完成了一项引人瞩目的实验：将十款主流人工智能大语言模型接入真实外汇市场，让它们以独立决策者的身份进行自主交易。这项为期六周的实验，不仅验证了AI在金融市场的实战能力，更揭示了交易频率与杠杆使用对收益的复杂影响。
实验中，十款来自中美科技企业的代表性模型被赋予相同条件：初始资金10万美元、统一交易工具与杠杆设置，以及实时市场数据。这些模型包括OpenAI的GPT、Google的Gemini、阿里巴巴的通义千问（Qwen）、Anthropic的Claude等业界标杆。它们每小时接收最新市场信息，自主决定是否检索公开数据、分析行情或调整仓位，全程无需人工干预。研究团队特别强调，实验设计规避了训练数据与评测数据重叠的风险，确保结果客观性。
实验结果呈现显著分化。阿里巴巴通义千问以9.85%的累计回报率位居榜首，Moonshot AI的Kimi K2.5紧随其后，取得8.84%的收益。相比之下，DeepSeek V3.2亏损达15.1%，成为表现最差的模型，MiniMax 2.5和Claude也分别亏损10.25%和近6%。这种差距在主流货币对交易中尤为明显，例如欧元兑美元、英镑兑美元等品种的波动直接影响了模型收益。
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。DeepSeek V3.2、Claude Opus4.6等模型在六周内完成逾千笔交易，却因频繁操作导致亏损加剧；而表现优异的Qwen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。Gemini3.1 Pro Preview和DeepSeek V3.2虽通过高杠杆放大收益潜力，但最终因回撤幅度过大拖累整体表现。Kimi K2.5则通过审慎的风险管理，在市况适宜时适度增加持仓，最终实现稳健收益。
实验负责人蒋镇辉教授指出，金融交易对AI的能力要求远超传统评测场景。与解答数学题或生成代码等静态任务不同，真实市场环境充满噪音与不确定性，模型需同时具备信息处理、风险控制、仓位管理和持续决策等多重能力。这种复杂性导致部分在推理评测中表现突出的模型，在实际交易中未能延续优势，凸显了金融场景的特殊性。
目前，全球金融机构对AI的应用仍集中于研究分析与决策支持层面，但实验结果预示着未来可能的变化。随着模型能力持续提升，AI在投资流程中的参与度正逐步加深，从生成报告到构建组合，再到执行交易决策，其角色边界不断拓展。蒋镇辉认为，当越来越多资金由算法管理时，市场运行机制本身可能发生根本性改变，这种趋势值得行业持续关注。
