Transcription
现在的模型，如果真的把所有条件都打开，它能不能直接进入股市？
那我是觉得说，至少它的不稳定性是稳定的。哈哈哈，咱经常说的嘛，一顿操作猛如虎，其实输出250。
这六个模型吧，各有特色。大家会试图把它带入原生家庭，就是说DeepSeek之所以火，是因为它背后就是量化的基因在里面。嘛，Gemini就更像散户，操作超级多，就是很焦虑，几天交易几十次，是亏的就最多。
我认为，在现在这个时间点，反倒是用模型去炒股，去做量化最好的时间点。我想到的是另外一个极端，就是当大家都用AI的时候，你可能又很难用了。
所以，为什么现在大家对中国的开源模型都这么推崇？你觉得中国的开源模型真的强到这地步了吗？
这一期我们来点新鲜的，就是这个六大AI模型比拼炒币的事。这个事，这个事大家或多或少肯定知道，对吧？而且就是说，尤其是我们人民公园说AI的这些，咱们的股东们董事们，对金融市场，对这个AI市场都是非常的非常的熟悉，非常的不陌生的。
正好这两个话题凑在一块了，那简直是天作之合。我们今天不聊它都不合适了。但可惜就是今天，今天小苏同学有点小样啊，所以就今天不登场了。
我在那个后台官邸料阵，我和我和老修主要代表人民公园说AI，哎，跟大家聊聊这个话题。哈哈，是的是的。
小老修，你先说说，就说你你觉得这事有意思点在哪，或者说最吸引你的是什么？
对我最吸引的是看他们怎么掉链子。其实哈哈哈，看热闹不嫌事大是吧？
对对对对。我看他们掉链子在哪，因为其实我自己日常编程，哪怕我们自己做一个自己的这个新闻产品，就是早晚报这样的东西，我就天天看AI掉链子。就是这些最顶级的AI，其实掉链子率是非常高的。也就是说，在他的很多调教，你感觉都没问题，大部分的时候都会出问题。所以，我特别，我特别关注的就是这个，他们其实掉链子的情况是什么样子的。
其实就是，大家头几天以为这几个东西是什么样，包括总结了，可能哎呀，DeepSeek像老司机啊，go to像什么从来不复习，但是老是能蒙对答案的天才少年啊。那个什么Claude又像是那种呃，财务人员一样，算清楚了才出手，然后非常谨慎啊，千万可能又很中庸啊，就是很严谨的，也不激进也不保守。然后GPT-5就是比较那个，脑子里理论装太多了，实操太少，天天策略老是矛盾，自己想的是什么，执行的时候是另外一个事情。然后那个Gemini就更像散户，然后就是操作超级多。
对，最像人的就是你感觉好像有策略，实际执行起来又没策略，然后就有很多东西，就是很焦虑啊，几天交易几十次啊，然后亏的就最多。等等，就是但是这些很多都是在早期的时候，就是大家会定义好像是这样。但是到了中后盘的时候，又会发现又不一样。
就是到最后，你其实看他们的几个趋势，就是基本上大家的相对位置是比较稳定的，就是不会说相对位置，说突然一下子谁逆袭，好像没有。基本上就是相邻的几个，可能前后会换一换啊。那最后的座次其实跟头一周开始之后，那个座次之后其实变化没有那么大。
那那我是觉得说，至少它的不稳定性是稳定的。哈哈哈，这个是我看到的，很有意思。
对我，我觉得咱们现在稍微的，稍微的介绍一下背景啊，也给就是说万一，万一就没关注这个新闻的咱们的听众们，稍微普及一下。这其实是一个美国的实验室对吧，一个lab，然后做的一个对所谓实验，对叫。在这个实验室叫Nof1，然后在这个Alpaha Arena上做的，一个实验。
是用了六个最知名的模型，美国的四个，中国的两个。中国两个尤其有意思的，两个都是开源模型，一个是DeepSeek，然后一个是通义千问（Qwen）。然后呢，美国两个，四个呢，当然是首先首推的肯定是ChatGPT的，然后是我们最喜欢的Gemini，还有Claude，还有Grok。对，其实六个模型吧，各有特色。
然后呢，在整个的交易过程中，大家是希望给它做成拟人化那种描述，对吧？然后呢，对闲哥也说了，就是大家会试图把他带入原生家庭。我看这个意思就是说，好像就是原生家庭有罪，或者是有利。对，就是说DeepSeek之所以火，是因为它背后就是量化的（幻方）这个在里面吧？对吧？中国四大，四大量化公司之鼻祖，最强的这几个对。然后说通义千问（Qwen）里面又有什，么这个大A股培训出来的，这个哈哈哈，这个大A股是经过这种残酷的训练场，养股出来的。对，真正斗兽场的这个能力。
然后说又说什么那个Gemini呀，还有什么Claude呀，都是属于学究型的，等等等等。我觉得这些描述都无可厚非，大家为写文章嘛，对吧？为了引起大家注意对。
但其实分析数据的时候特别有意思，就是我们先得对规则有一些简单了解啊。首先大家都是一万块钱起步对吧？然后呢，交易的是虚拟币嘛？啊，所以我看到其实国内报道比较少，可能也是因为，就是因为涉及到所谓炒币这一个话题，所以大家不好聊嘛。但我们只聊模型，只聊AI模型，只聊这个事本身啊。
然后在这个市场上，其实是去操作几种虚拟币对吧？包括比特币，包括这个以太坊等等的这几种虚拟币。然后呢，而且是这种就是直接的线上交易。但是呢，他也不能够高频交易，包括他使用的都必须是同样的Prompt，对吧？提示词最开始。
嗯，然后最重要一点，其实很多人介绍时候忽略了，就是这个本身所有模型，都不能跟实时的这个数据做交易。也就是说，他不能获取到实时新闻，不能获取到其他，除了交易数据以外的东西。对，他就是纯数据序列给到他。对，是纯数据序列，纯数字的东西对吧？包括这个，对，现在目前的这个，现在目前交易值多少，等等等等这些信息。
对，但是对，但是没有其他场外信息，就我们所谓的常规信息，就没有这些东西。对，然后对他标榜的是什么？我也特有意思，闲哥我不知道注意到没注意到，他说标榜的是说，说是给模型提供一个真实的测试。嘿嘿，对吧？这所谓对比的是什么？就是之前的是吧？像MMLU啊等等的这些刷榜行为啊，打分都能打很高，积分都很高，刷榜的刷的很很牛。
那到底这些模型在真实世界中，能不能赚钱？对吧？但是我个人看啊，我觉得这一点都不真实。真的就说，哎，虽然说操作操作看起来很真实，就是看起来很唬人啊，你看规则定这么清楚啊，也不干预，而且还就是模型也不调优对吧？我觉得他特意强调说各个模型都没有做调优，然后在这种情况之下，真实率操作完不干预，然后连续17天等等的这些信息。
可是你你仔细看啊，就是老修，我不知道你怎么看？反正我先说我的观点，我这里面有几件事。首先，首先，17天并不能真实反映出什么能力来。对吧？17天，对于就是说，如果说这郭德纲的相声吗？我都科学家好几天了对吧？你说炒股炒17天我就退场，这种情况不可能。要说真正做金融交易的话，你不可能说就17天就不做了。所以这一个阶段性的这个输赢，很难反映出一个真实的水平来。
第二点，就是说到他不能直接接入场外信息吗？那真正交易员，或真正的市场是顺序万变的。场外信息本身，就是构成市场波动的，一个重大的一个条件。就不能做。
再加上什么呢？再加上就是说，这些模型本身，它这个有没有做到长期？这点我很怀疑啊。就是我看到有分析说，这个比如说像像像ChatGPT或者Gemini，他并不记得之前自己交易的结论是什么，自己是什么东西。
对的对的对的。所以这点记不了。对，就是那那变成了所有的决策都是当下决策。所以所谓实时决策，对吧？那只是纯粹考量模型的算力，然后呢，但他又不能说基于这个足够的信息去做计算。对吧？那觉得这种又不真实了。
然后更重要一个信息就是什么？就说没有补仓啊。我就一万块钱，对吧？那这是就相当于什么？什么概念？就是说OK，你像比如说我们如果玩德州，我知道买入，就比如说我这1000块钱输掉之后，我可以再买入。如果我的后手够深的话，对吧？我只要是做的不错，我长期下来的话，总体盈利水平会很高的。
那问题是，就像CBT和这个Gemini，都属于前几天就直接是输了一底料，直接后后面就没本了。本都没了，你追都追不了。对，当然了，这个咱不能往后跑啊，就是我只说，我只强调说这个测试本身，他所谓的真实是画引号的。
就是就是，我觉得这很重要的，就是叫做脆弱性。就是他这整个整个整个比赛的设计，就脆弱了，就是特别容易一个小的失误，导致一个模型已经可能很难翻身了。
会会这样子。没错。那这个，那这个问题，其实我突然想到一个比喻，其实很像大家去跑马拉松，结果中间不给你补给水的那个点。就是你出去就从头跑到尾，中间就一堆人围著你拍，然后也不给你递毛巾，也不给你递水。
因为因为你真的没，就刚才说的没有记忆这件事情就很惨。你自己做过什么规划，你自己都不记得。那你到执行的时候，你到执行的时候突然触发说，哎，现在要按这个执行。他其实这里面有几个典型的那个呃问题啊，就很呃，很崩溃。
这个记忆不行的话，他就会出现说，他自己真的到了要执行那个止盈点，或者止亏点的时候，他其实会很犹，他会很犹豫。哎，这个这个方案好像为什么这么搞啊？这么搞？现在现在最新的数据好像有点冲突，但是他又不知道以前的结果是为什么，因为他没有那个长的记忆。他只有短记忆。完了你们就相当于就是那个长下，长上下文没有，然后又没有那个，又没有做笔记的地方。对吧？这两个东西都要有。
因为长上下文，只是就是我们相当于思考的脑子，马上思考的时候去结算，那个窗口本来就不够大。然后旁边又不让做小抄。这个小抄他又又有问题。那这样子他在真正计算那个，我们说我们买卖人最重要的是，我买卖的那个点，是不是要算清楚，然后就该执行嘛？对吧？结果他那个点的时候，他算不清楚。
这个包括一些算数也会出错，我们知道大模型其实算数很差。对，因为他是存在模型，又不让他掉那么多的那个东西。对，这里面他出的问题，哈哈哈，对。所以这，这就直接出现了很多自我矛盾的规则，他就会出现博弈。
那然后呢，呃，包括说他自，己其实有的时候还会出现那种想要做一些那种欺骗行为，就是对试图利用规则，绕过规则去，对希望想想绕尝试这个事。对，这个事情他也会做的。然后这种时候，他就会在，因为我们知道做做交易的时候，你这个要是在那边犹豫，那可能那个操作一下就过了，就不行了。
对吧？没错。那他这里面就会出现，有的时候他反复验证，然后直接错过了交易点，然后整个策略就失效了。对，这就是一个很明显的一个，就是你最多综合看得起来，但是综合的问题，其实有两个很基本的问题，真的基本的不能再基本的，你可能想象想象不出来。
这个我经常碰到，我们自己实际做产品经常碰到。第一个，你真的想象不出来，就是你跟他说，数据这个从从最新到最旧，顺序排列是倒序的，从上到下这样给你。嗯，然后他理解的时候，其实由于格式，他们对格式其实高度的敏感。对，刚才不是说是给他们格式嘛？对，但其实不同不同模型，对于格式的理解能力是有差别的。
你可能想象不到，OpenAI为了处理一个我们工程上常用的那个JSON，这个这个格式，差不多花了3-4个月时间，才能让大模型准确的去处理这个这个这个格式。那其实还有很多种格式，OK？然后数据量大的时候还容易出错。
就是我就算这一次能做对，但是我做99次可能会失败两三次。那你想一下，他这个里面的那个错误，其实他们的执行，执行次数是很多的。然后呢，你可以想象到有很多次，可能这个数据就就我看有实际的报道，就是说他有非好多个模型都有多次，把最新读成最旧，嗯，然后把最就读成最新，这么反正前后都倒反了。
那你说这个决策能对吗？就是相当于数据，我们说一个人做数据的时候，呃，做决策的时候，你基本的那个上下文，数据都是错的啊，或者就是数据是对的，你理解又理解错了。就像我们做题的时候看错了，明明这个这个应用题写的是这个，从早上到晚上，我硬是理解成了从晚上到早上，那可能少了好多个小时。
你要历练九阴真经，我还要打通任督六脉。对，然后然后还有一个苦逼的事情是什么？就是就是叫做术语模糊性的问题。就是你里面不是有专业的术语吗？比如说什么可用现金，自由抵押品。对，哎，这些东西，可能就是如果你不是很专业的人，看起来就就已经不太懂了。
那它模型其实跟人是类似的，尤其是原模型吧。对，原模型出现，他有些没微调，他可能知识太多了，他知识里面有可能可用性，现金可能都有好几种说法，然后自由抵押品也有好几种说法。他到时候真的决策的时候，他可能只会在当时情况，选了一个他觉得概率最高的东西，去拼了一下。然后那几个，那几个定义可能有的不一样，那最后他就难以采取一个正确的，那个行为，或者是错，或者根本采取不了行为，他觉得这个无无法判断。
那他又又错过了。所以我们刚才说到最后，他已经反复计算的还有什么东西，就已经很苦逼了。然后反复计算的时候，原数据还是错的，或者是数据是对的，他还理解又错了。那其实这里面的那个，基本上他这个整个的脆弱性是非常强的。
我觉得说这个东西，我就会真的会觉得很像，你去跑马拉松，没有任何补给，你在这边跑。然后那到最后谁赢了？这个真的看天看天命。我靠，就就就咱经常说的嘛，一顿操作猛如虎，其实输出250，真的就是这样。
对吧？而但但但咱咱那什么一下啊，咱在这稍微停一下，就是通过这刚才这个描述，你不觉得就是这种，这种操盘或者这种操作真的很像人吗？就真的很像，就是普通人的操作吗？对吧？就是在自己自己号称自己有个策略，然后在真正做做决策的时候，数据量不够，或者甚至说，对一些概念模模糊不清的理解，或者说我都已经忘了，我之前策略是怎么想到要做这件事，是到真正执行的时候发现我已经，我靠，还是凭感觉吧？
还是对对对，不是这挺经常的嘛？对对对。所以我就说当时那个什么嘛？就是我看评论里最搞笑，就说嘛，说这个啊，这么证明还是GBT最像人。哈哈哈，然后真正的真正那什么，真正的AI是吧？阿提菲社的这人就是输的最惨的那个。
对，是啊，是啊。然后就最像散户的，最大家一下就共情了。反倒是这个中国两个大模型，一个DeepSeek，一个那个，一个那什么，千问嘛。我DeepSeek尤其尤其，在前几天的时候，DeepSeek一路绝尘嘛，甚至说好像，呃，不是甚不是好像，就甚至说回报率都已经超过100%了。
要不是后来最高的时候有对，要不是是因为后来市场震荡确实频繁，和和震震动的比较那什么的话，由于他的策略，他应该是真的，是一直能够保持比较高位的，一个领先优势的。结果后来被千问（Qwen）给，因为千问（Qwen）的那个直接大大，就是大量持仓的那个比特币嘛，然后直接就翻身了嘛。然后一下子就说有一天时间翻身，然后有一天时间又又翻回来，然后最后还是保持领先。
所以策，从策略上来讲，如果说如果说啊，就是我们真的去分析他的策略的话，他确实每个策略代表，都是不同的一个思路啊。尤其是说像那个就是DeepSeek，他执行的非常的晚，就这非常的非常的严肃，特真的，就像一个，就说真正在长期在市场中交易员似的。啊，分散持币，然后呢，再加低杠杆，然后呢，再保持这个策略的这个绝对性，就是执行的绝对性，等等等等。
但是，我觉得我们不用讨论这些东西，这些东西毕竟只是十几天的一个行为，而且是其实太小了，不不具备，其实这样子说不具备统计学上的样本，样本价值。没错，没错。而且这里就是这个东西秀场的更大，就是跟我们国内，我记得我们国内搞了好几把，那个机器人什么格斗啊，机器人马拉松什么的，都都是秀的。你实际上这些都没有用。
对，实战我觉得真的完全是这样，就是说真的去再，去复习他的策略或者什么，我觉得这东西就有点不靠谱。就是你真的是在一个，一个很小样本的事情上，完了，非要分析出来一个普遍性的普世的，一个概一个一个一个一个价值，我觉得是没有的。
但是本身，你觉得就是，咱们完全抛开所有假设，再说你觉得现在的模型，嗯，如果真的把它所有条件都打开，微调做好之后，它能不能直接进入股市？或者说进入这种量化，量化市场去做操作？
呃，我是觉得你让他去操作还肯定还太远，但我觉得说他辅助你做一些操作，应该是很合适的。就是嗯，我们肯定有一个很很硬伤的问题，就是人看看资料太慢了。嗯，就我，我知道我有一个策略，但是我其实这个策略要很多数据，我要去抓的话，我自己是很费劲的。
但这个东西其实你用AI去有调教的，AI去帮你处理，我觉得是会很好。就比如说我对某个策略是特别的坚定，我要做这个，做空还是要做哪个，哪个东西好的，怎么做？然后里面但是要要抓好多数据来分析，但是我我这个东西就是，其实我人类就是有明显的局限嘛，你给我这个数据，确实你能给到我这个方面的数据，但我看不过来对吧？然后我分析不过来。
像这些的话，其实如果有是AI去辅助，我是觉得是是完全是肯定是有帮助的。但是你让他完全像像他这样子，完全没有人类干预的去去跑啊，我我觉得就是可靠性实在太低了。因为都不要说他这样跑，就我们普通的，一个小的小的程序，做做新闻处理而已的这种小工具，嗯，他的那个可靠性都已经很低了。
其实我们就是一周之内，发生个10%-20%的事故，都经常发生。你说他这个高，这么高频的，我是觉得说是肯定远远不到，这个他能独立去去炒股，还能够你指著他很稳定，这个我觉得是绝对没有的。就是稳定性这一块是绝对不行的。
就大概是这样。他可能有，有时候行，有但是你不是，就像就是说有行的时候，你可能很难归结，于是他能力行，就就是这样，可能是正好，可能就是唉，就正常正好是市场好，然后你的策略刚好有一个，就是碰上，就是运气成分比较大一点。
这个这个，我觉得是这样子的。因为就是说，呃，比如这我还是像刚开始讲的，就是这几家，我说他的不稳定性是稳定的。就是从他们的那个规划，呃，从他们的那个整个的那个钱的那个呃，波动情况来上，我是说他们，其实不会出现什么第一名，突然变最后一名，这种其实时间跑的越长，越越不会出现这种事情。
基本上就是，只是前后两位在有点换位而已。然后那个呃，就是他，因为他们的不稳定性，其实是相对稳定的。嗯，他们其实本质都是概率模型，他就算调优到非常好，它也只是取一个最大概率，它不是100%。它跟我们以前的硬编码的那个，是完全不一样的。
但这这恰恰是它智能的部分，就是如果是编码死了，它就不智能了。对，它就，我们之前最近不是讲卡帕西或讲很多，人都讲的是这个，其实你你遗忘，就是你忘记掉一些规则，或者忘记掉一些知识，这恰恰是智能的表现。他知道要把哪些东西扔掉。
其实现在最近已经开始，有一些比较智能的模型，已经就就已经出来了。就是他会遗忘你训练过的东西，预训练的东西都会忘，你知道吧？现在已经有这样子的这个这个模型出现了。就是大家正在尝试这种增加，增加遗忘，增加他不记得更多的东西，然后让他更智能。
有这么有这么搞的这个。其实这个，其实不就是咱们前两期，一直在聊的事吗？对吧？一个是压缩吗？对，当时说的这个就是，我们压缩其实就是模糊，然后但是最后最终提炼时候，我们提炼的是，就是说可能是一个概念，或者也不能叫一个概念，我觉得应该是一一种一种策略啊，然后并不是事实本身。
然后第二个来讲，上一期咱们聊那个，聊那个特斯拉的时候对吧？嗯，然后聊到智能驾驶嘛，聊到这个整个的这个端到端嘛，然后就聊到黑盒这个事。我看咱们评论区还有小，还有好多听众跟我们在讨论这个事。
其实就是这样，就说你所谓的智能到底是什么？如果还是以前那种纯编码形式的，模块形式的，所有东西都要先预定义好的，那就不是人工智能。对，你就不是有，我觉得在就人工智能就是，对，就是要有智能的所谓的涌现。
就这个东西，它不是说设计出来的，而是说到数量数，无论是数据还是算法，还是到一定一定阶段之后，涌现出来这个。就有一个问题，它有个很直接的问题，就是你如果是预设置，说明它是在模仿人类嘛？对，这个没错。你模仿是没办法超越的。
就这么个事情，很简单。你的天花板永远是你设置模型，或者设置策略，这个人本身是天花板，而不是这个模，而不是人工智能的天花板，而不是AI的天花板。对对，是这样。
我我跟你倒持相反概念，相反的结论。我认为在现在这个时间点，反倒是用模型去炒股，去做量化最好的时间点。真的。我首先我先说啊，就是我自己，确实个人个人经历，我参与过量化这个事。
量化这个事的话，其实可以分成很多步骤，但我们就说大的块啊。首先肯定是信息收集嘛，对吧？就是你需要收集数据，尤其是需要有很多历史数据。但是历史数据必须是真实的，它必须有交易和这个交易，交易交易量等等这些东西。
就是说你这个历史数据越细越好，颗粒度越高越好，因为你要回测。嗯，你有一个策略之后，你先要过用过去几年的数据做回测，然后来来证明，你这个就是策略是否有效嘛？如果说嗯，OK，你做了一个策略，认为是有效的，然后你直接扔进，那你就真真的交学费，你就是可能会运气好，或者说赢一大赢一个大的，然后呢，过去再输光，长期再输光。
要不然就上就输，就跟这个PPT一样，然后呢，再也翻身不了。对，但是你必须得有很好的数据。
然后第二来讲，你得有场内场外信息嘛？就是你得能拿到及时的，而且可能甚至到毫秒级别的，或者说起码到秒级的，这种就是叫市场的交易信息。对吧？交易值是多少啊？能接受的盘口，能接受的这个这个这个吞吐量是多少等等的这些数据。
然后还有什么？还有就是你的策略，肯定你策略要不断优化嘛？策略其实就是，就是一一整套的执行方案，到什么时候止损，止盈点是什么？完了呢，能能接受多少啊？要不要做事等等的一大堆的东西。
然后才是执行。在执行层面上其实更惨，就很多时候，你的你所下单的价位，挂单的价位，你根本执行不了，没有机会被触发嘛？对吧？对，就可能就滑点，直接就甚至说你要做双边市场的话，有可能单边执行了，那边没执行，那是最惨的，你直接留了一个巨大的敞口。
对，然后然后你可能就是说，这纯粹就裸奔在那，然后等著扛著啊，然后等等等等等等。但是到了最后，就是这些东西都完了之后，还有一个心理问题。最大的心理问题就是说，当你看赢钱的时候，你可能就会突然就觉得啊，以前策略都不是策略，既然赢我就让他持续赢下去，我是不是要到止盈点上，直接就就就高位，就就兑现了？
还是说觉得我现在这个时间点判断错了，我要及时调整策略？对吧？就像现在咱们说这个什么英伟达一样，人家奔5万亿，那下面可能就是6万亿，可是很多人觉得5万亿就是最高了，不能再得回调了。所以，这个时候心里又是一个很大问题。
所以这这个整个量化的过程中，它不是一个简单的就是你定一个策略，到时候就赚钱了啊，或者说你策略好，就就就值值钱了。不是的，策略其实在里面，我觉得是怎么说呢？就不可能占到100%的决定因素。反倒说这个中间有很多步骤。
为什么我说现在用模型可能是最好时间点？我有两个自己的看法。第一个来说，就是咱们看这个测试，咱们当时举了，咱们刚才就已经列举了很多局限性嘛？对吧？但是这些局限性都是可人为可控的。
比如说我们模型做微调，对很多定义做的更清楚，对吧？然后呢，对资金的补充，我们可以不定义，在就是一万块钱我们可以顶，就说我后面的仓位很深，我可以补仓嘛？对，特别重要的是你刚才说的场外信息，就实时的给他场外信息。
这个实际上就是我们说的模型的那个上下文，是他的那个外挂的知识，这对他决策实在太重要了。而且，而这一部分就是印证你刚才说的话，就这部分人人是处理不过来的，因为信息量太大了，而且速度时效性也不够嘛？对吧？然后呢，还有还有什么？还有模型还有学习能力啊？对吧？
就说现在就有个例子，就说我看到很多人在干什么事，就大家看热闹，但我看到一些高手在干嘛？在把他们所有的策略给我执行，策略全下载下来，而让模型自己分析他的策略，或者交叉测测试，然后呢，试图从中间提炼出来有效策略。
嗯，啊，就是说句不好听的话，就说我数据量足够大的时候，人是判断不了的。这时候就拼算力，拼模型能力。对吧？然后东西到底能不能从从中找到规律？这些事情其实是我更擅长的呀。你只要让他自我学习，自我迭代，其实有可能就会真的能找到一定的，在一个时间段上找到规律嘛？对吧？
这个事我觉得这有感触了。我知道为什么我突然也感觉，你说的这个时候多用这个东西，是一个好时间。
没错，因为我想到的是另外一个极端，就是当大家都用AI的时候，你可能又很难用了。这这是我后面的话，你先把它说出来了。
就是就是，为什么我说现在是最好时间？就是现在用的人还少，甚至很多人觉得这是不可，你会有碾压式的，就跟这个大炮对这个长枪一样。是吧？对，哈哈哈。
你先你先这么著，就是民不畏死，奈何与死惧之。就比如说，你现在你找不出更好的策略来，比如说你人工去操作，也不见得能到20%的回报率的时候，对吧？那你用模型也许用用千问（Qwen），你看这回23%，对吧？也许就比你个人操作还牛，牛多了对吧？
就在这种波动市场上，很多人是输钱的，那模型人家还赚钱，起码人跑出来17天是赚钱的。那我说我说的概念什么？就说当你能够把模型用好，那肯定前提是你懂什么叫策略，懂什么叫执行，知道怎么去做，然后对产完消息的这个来源和敏感度，也有。但是你自己的算力，和你以前的策略不够有效，那你就用模型去跑，你不要干扰他，你就让他自己去完善，自己去做。
但是如果说所有人都开始用模型了，那这时候模型就失效了。对吧？肯定的嘛，就是说所有都是模型，模型可能最终会趋同，因为大家都互相学习，最终可能找到了一个所谓的优秀策略，最优解。那很可能就是大家都赚不到钱，要不然就是同一时点执行同样策略，直接市场闪崩啊，市场不存在了对吧？那这时候大家全赔个底掉。
那这时候肯定不是用模型最好时间点。所以，我反倒觉得就是说，在现在这个时间点上，在大家都会模模型，产生一个就是犹豫，怀疑和用和不用之间的时候，坚定的用模型的人反倒可能有机会啊。当然这咱不鼓励任何炒币的行为啊，咱我只是从模型本身的这个应用条件和场景来来分析这件事。
所以给就下一个问题就来了，就说那你觉得就说，为什么现在大家对中国的这种开源模型都这么推崇？因为我看到的，在这件事讨论的背后，还话还还链接出很多新的话题来，甚至说有些硅谷投资人，现在说就就也不是开玩笑，真真的在说，就说现在很多在硅谷的初创公司，在演示PPT的时候，展示的都不再是PPT了，都说背后的模型是千问（Qwen），或者说这个这个DeepSeek之类的开源模型。
对，然后同时这次比赛也也跑出这样成绩，对吧？而且我看到还有公司模仿，开始用AI炒美股啊，也是中国的模型，包括豆包，包括那个minmax等等，在也在上面有排行嘛，也也排名的比较靠前。
嗯，你怎么看？你觉得中国的开源模型，真的强到这地步了吗？还是说只只是偶然现象而已？
呃，我是觉得说两者都不是。就是应该，也不是说他特别强到了那个地步，就是特别适合炒股。然后还有一个也不是说他那个，可能现在是运气好什么，就但有一定的这个技，那个实力成分在的。
就是我我的角度是觉得说，呃，很有可能，很有可能是我们刚才我刚才提到的一个，就是叫做那个那个呃，数据的那个那个那个敏感度的问题。所以我会觉得很有可能是呃，DeepSeek和那个千问（Qwen）的数据敏感度的字，那个那个处理能力，也就是基本功。
其实这是一个基本功，嗯，会比其他几个，那个闭源的美国那些模型要好。这个原因可能有很多种，也许其中之一，是因为他在早期训练的时候，本身就用到了，确实有很多数据去测，比如说就是换发量，发量化里面原来的一些数据，可能对它进行很多个数数据的测试，所以它会比较敏感。
这部分东西它处理的还可以，那这样至少有很多这种低级的，什么最新最旧啊，然后有一些数据你能读进来不，不会不会啊，而且能保证一个高的稳定性，你不会说执行了100次以后，失败了好几次，然后那个决策完全就错了。
这个可能是很基础的事情，但是很可能就是因为这么基础的东西，导致你很多决策都都失误。这个这个事情其实我是觉得是有影响的。
那为什么说呃，那DeepSeek有这个优势，为什么千问（Qwen）也有啊？这里其实就是千问（Qwen）到底怎么训练的，我们呃，我没有做更多的那个那个那个了解。但是我知道我们应该，应该大家都有点印象，就是今年年初的时候，其实DeepSeek刚出的那几个，最早的开源版本，就是呃，都是有那个千问（Qwen）是有基于它去改，改成几个版本，就是小的，小的那个参数版本，都是钱文最早去搞的。
所以我是觉得在那个时期，其实就像这种基本功，实际上是应该是已经是啊，已经是融入进来了的。我觉得是这样子的，在那个时候，应该这种对数据的基本功，应该就是进来的。
那这种这种基本功，在后面实际上是还会更多的，会强化的。因为随着你后面的更新的一些数据啊，还有各种那些东西进来以后，这些东西只要大家平时有这个基线，他会不断的去，就我们说是回归测试啊，和各种各样的测试，会测这个部分。觉得这可能作为我们中国模型，最基本的一个基本功，有可能会练，会练得很好。
某种程度也许如果又类比人，就像我们中国的学数学，都比较扎实一点，因为我们基础教育整天都在教这些。然后其实我们在正常训练的时候，我猜，就是不管说是不是幻方，就是可能就是本身中国数据，很多数据的处理，都是还是会，还是不错的。对，然后这个可能算是一个，我觉得是基本功的一个点。
然后呃，后面就是到了市场里面，那个我就我觉得是，不很难评价到底是怎么回事。但是就是我是觉得，至少他在处理原数据上如果有优势，这个成功率如果我比你高百分之，这个有的时候可能不是高10%和20%的差别，而是0和一的关系。
对，就是我，我到底决定投还是不投，可能就是因为一个数字，数字算错了，或者我这个数字根本没读进来。对吧？因为可能一个格式我我不认得，或者我因为我不稳定，我没有读进来，那我这个角色可能就完全不一样。
你觉得要上，我觉得不上。对吧？那如果我在这里基本上是不出差错，就是我们孙子兵法里面经常讲的那句，原话忘了，大概但但但是他的意思就是说，其实胜利不在对方，而在自己。如果你自己不犯错，你大多数时候嗯，等着别人犯错，你最后就赢了。
那讲的就是这个事情。那我觉得说呃，他其实就是，基本上这部分应该算是做的还可以。然后在股市这边的话，由于这一点，有可能他的胜率就会高一些。但是嗯，其他方面我们不知道。真的真正的就因为这个，这次的局限性太大了吗？其实实时数据，各种数据没有进来。
当那些东西进来的时候，就好像不是实时数据，是实时的，那些场外的新闻，各种各样的，对信息就是各种信息，它不是纯数据的。到到时候进来，肯定是数据跟文字，肯定是混合在一起的。那那个时候的考验其实更高，那个时候考验更高，就是你对这个数据，跟文字混合处理的时候，情况怎么样？包括小程序，包括对对对一些交叉信息对吧？互相的干扰，有可能是噪音，也有可能就是就是那什么。
对，因为其实从我看起来，说不定你有更多的信息，他噪音更大，他有可能表现还不如现在。这这这是这样的，这这也是为什么，对，这也是为什么，我其实没错没错，就人也是这样嘛，因为这我所以我会觉得说，为什么他这个比赛设计方会设计拿掉了这些实时的，这些场外信息？
其实某种角度上来讲，拿掉了，确实我是觉得从评估上会简单的多，因为你实在说不清楚到底谁影响谁。对，那如那你现在没有的时候，你还可以说一说模型，说一说这个其他的一些东西啊，大概是这样。
等有的时候，其实有时候很难说清楚到底谁的问题。对，大概是这样。包括就说你像Grok我就很看好，因为他背后有X的大量的这些数据，而且那在上面人的真就是，怎么说呢？我觉得在X上，很多人的真实性表现比较比较突出，大家不怎么哈哈哈，就人性的那一面东西表现多一些。
然后呢，对，但是就是说如果说真的，就是加入这些场外信息之后，真的鹿死谁手还不好说呢。所以我觉得会很难说，很难。没错，没错。很难说，尤其是像社社交媒体这种东西，其实社交媒体我们才我们，我们自己做新闻处理，就会非常深刻的体会到，这个社社交媒体的质量是非常差的。
就大部分的那个数据是，其实都是不可用的，无效信息和错误信息。就是他因为是断章取义的，或者是为了情，绪调动，或者是为了一些政治和销售的目的，他跟你讲的一些东西，其实你真的提出来以后，发现这真的是个垃圾信息。
但是还是广告，软广告，哎，对，他就是很博眼球，他让你很带情绪，让你感觉这个事情好像非干不可，马上干不可。但是其实你真的跟著他去做操作，我估计会死的很惨的。哈哈哈啊。
然后还有就是X本身也是一个，现在其实被很多其他的，比如说他们啊，有一些做做THREAD啊等等，就是一些其他平台已经大起来了，就是大家不在X上待着。对，X本身内容质量也好，那七七八八的一些问题也很多。
那其实就是这个社媒也不仅仅是X了，那还有好多呢，还有好多其他的社媒。那你真正在这次这么多设备，不同的数据质量本来就不太高，又合合在一起，再加上这个实时性，哇，这个我觉得对大模型的那个计算的，这真的是又要好多地方要要烧冒烟了。
然后算出来可能又错过了这个执行点。对，对，有可能。所以，这个其实又又引发出另外一个话题，就比如说你做量化的时候，大家讲叫策略，而不再叫算法。对，所谓策略就是说你需要做决策嘛。对吧？
就是说对他和这个我的个人感觉啊，我觉得就是说这件事本身就做测试，这件事和当时DeepMind的打败，那个就是围棋，或者或者说，我对这种就是说完全不是一个概念。你想啊，就说在棋类比赛中，他叫game，是有非常清晰的规则，而且它是有先后顺序的，你走一步我走一步，你走一步我走一步。
这种时候就说它有很强的逻辑性，然后这个时候就说，我们只是在玩法上做，就是在规则之内的玩法上做探索。所以当时OK能打出人类没有做过的，就是就神秘之手嘛，对吧？就是神之一手之类的这种东西。
但是他不需要有特别多这种这种，这种情况就可能赢了比赛。但是真正在量化中那不一样，因为策略是这样，就说你的策略再有效，你也不可能每一次做都做对决策，但你必须要去做决策。而且不是说这时候你在跟什么打，在比赛我觉得他，你这时候，虽虽然说是各个模型之间，在比赛最终结果，但并不是说所有模型在同一个时间点上，同时做决策，然后决策和决策之间做比做做比拼。
更多是什么？是说你要在这个某一个时间点上，做出一种选择啊，这个选择会影响你后面的结果。但但是如果改变了很多条件之后，其实这个选择正不正确都无所谓了，关键是它可持续对吧？关键是它可复可复现，或者说在同一个条件相似的情况下，它还能做同样决策。
我觉得这就是很难很难的。以前是靠人，你比如说我做量化的时候，是真的找了几个博士，然后有一个所谓科学家，数据科学家专门做带领，然后大家去开发这个东西，然后其实用MATLAB做了很多的算法，然后做了好多的校验，然后又找了去买了很多数据，然后做回做回测，然后呢，就看回撤空间是多少，准备钱开始做真正东西。
最后OK是赚钱了，但也是是一个时点上，那个后来我听说就是那个团队，后面就输了很多钱，因为时间拉长到一定地步之后，策略失效了。对啊，但现在来讲的话，就是在模型层面，我觉得这已经不是算法的问题了，那确实是说我需要用模型去做决策，形成策略。对吧？然后呢，算法或者说算力，它可以不断的增加，算法可以不断优化，然后呢，算力可以不断增强。
但策略，其实我并不觉得是根据时间的长短，或者你使用次数的增加，策略就会变得更好更好更好。这是一个这是没有相关性的。对对对，执行多少次之后就一定会变得更好，这是没有相关性的。
所以这一点上就我想说一点，其实很简单，就是说我觉得人工智能，反倒有可能会真的发现好的策略。因为我们现在人工智能是个黑盒，就是他怎么涌现出他现在智力来讲，我们可能人类越来越不明白了，越来越不知道，他是怎么样形成这个策略的。
但是真的有可能会被他找到一个，在人类创造的规则之下，就是金融市场，或者什么股票市场，或者什么其他市场，然后我们人类在设计过程中，并没有考虑说这个问题，然后他通过不断的去测试验证之后，哎，找到了一个可执行的策略，然后真的就把人类打败了。
我觉得这一天到来之后，就真的太有意思了，太有意思了。哈哈哈啊，是的是的是的。
我记得我记得当年看的将近20年前，就是当时那那个虎胆龙威die hard 4里面有一个情节，就说有一帮恐怖分子，他专门劫持了美国的这个基础设施，然后呢，他直接把那个华尔街的那个主机给崩溃那个瘫痪了嘛，所以所有数据都丢失了，然后造成了所有的财务分配重新那什么造，就是所谓恐怖主义嘛。
就是如果你不给我钱，我就把这个东西会盘毁掉，等等全给你毁了。对，但如真的，如果市场用模型的人越来越多，很可能就真的会形成一种这样的合力，甚甚至不是某个人去设计的，就是AI模型自己本身，哎，找到了人类的设计的一套东西，玩法里的一个漏洞，然后去执行，因为他的目标是赚更多钱嘛，然后一下子把所有财富都集中起来了，然后最后发现这，这是一个这个算法层面的一个一个胜利。
这个挺有意思的，看不知道会不会出现这么一天。嗯，这个这个现在就是无法预测，但是看起来就是呃，AI跟AI之间很可能会形成一种对抗。这个这个也是好多的这个这个研究嘛，就是现在其实就是说在安全层面，不管怎么做，这个AI都都得有一个就是默认，可能得红队蓝队一直做，就是两边互相对抗，不然的话可控性确实可能都会是个问题。
就是现在想现在，比如说现在再怎么样，我们每个AI都是人训练出来的，然后在那互相呃，互相之间他们之间是没有通信的对吧？那这但是如果以后更通畅之后，可能他们自己能够互相之间通信，那他们之间在互相通信的时候，在聊啥有可能人完全看不懂啊。
那这个不得受监管？那现在其实有一套的，一些监管的一些东西，只是有限的那种交流嘛，没有说到很深的。所以这些东西，现在的不确定性是很高的。应该应该来说，只能拭目以待，看后面怎么样了。哈哈，哎，这也是我期待的嘛。
就是说我觉得中国在做模型，是追赶还是追赶方嘛？然后天下武功出少林，在GBT真的是一一支一绝，神在前面，在然后我们期待着他可更好东西。但是如果中国模型不能够说跑出自己的一个特色，当然这回测试感觉到啊，还是确实有差异的啊，各个模型之间确实有巨巨大差异。
要真的就是所有模型，最终都是趋向于一家或者两家，很危险，非常危险。就像你说的是的，你就必须红队蓝队同时跑，但是你靠一家公司去跑出一个红队，一个蓝队来，不太可能，不行，一定是靠不同的公司，对，不同的不同的投入，不同的方法去实验才行。嗯，嗯，是这样。
对，哎，不过就这回这模型这测试，我觉得有一点他没公布，就是这6个模型最后使用成本是多少？就是调用API的成本是多少？哈哈哈，这要比较比较一下，可能中国，中国这开模型的价格又又直接领先，就就真的是有巨大优势了。
对，这点是真的没没讲。而且很有意思的是，这次最后千问（Qwen）是夺冠嘛，但其实他一开始在讲这个实验的那个设计，上面他有讲到千问（Qwen），呃，所有的模型都是开了那个reasoning，就是推理是最大的，就是能配的都配了。
那千问（Qwen）好像是由于不知道是什么原因，啊，不知道什么原因他没讲，但是他说他没有配到这个最大的推理，这个这个选项，就大概是这样啊。然后那个有可能是没有这个选项，它默认也许就是比较大的推理，还是怎么样的。
所以这里面就是还有一些这种配置啊，各方面的一些东西，有可能还还没配到最最顶级的配置。啊，反正最后也赢了，那就这样子的一些东西，就会让很多人觉得很有意思。但是，其实这里也也是一种实验本身的偏差。没错，没错。
对，嗯，对。而且这个实验本身，其实我认为，就组织这个实验方是获利最大的。他们把自己的这个名声给推出来，而且就是引起巨大关注嘛。而且我在那个主页网站上看，他就是about us那块，就关于他自己介绍了一遍，就一条招人，就如果你对我们的感兴趣，你来投我们简历吧。
啊哈哈哈，是，他也没有什么历史的东西，就这一次比赛，就这么一个事。对，所以，我怀疑他背后也是要做量化的，也是也可能就是准备拿模型去搞点赚钱的事，搞钱的事。是啊，是啊。
然后或者就最基本，就是把自己做成一个新的Benchmark嘛，把你自己做成一个新的Benchmark，以后模型要推出来都先找我刷一刷，那这个不一样了。没错，嗯，裁判，嗯，我这就做标准，对，我来做标准，这个太厉害了。没错，是的是的是的。
行，那好，那我们今天就是随便，藉著这个这次竞赛这个情况，来简单聊一聊。而且听说后面1.5要开始，Season 1.5又要开始了，甚至说未来有会有新的这个测试，我们也可以持续关注。
但我觉得关注本身就是图一个乐趣，能能够通过一个案例吧，让我们对这些模型有一个更直，更直观了解。我更希望就是看到真的有人，大家能靠能靠模型赚到钱，而且也能够看到，就是在你可以看到，这种智能模型和专业模型的区别。
我认为就是说像这像TPC，这个肯定在，就是综合方面还是不如还是要差。对吧？然后像千问（Qwen）什么的，还是有追赶的这个方向。但是在应用层面上，就不见得你怎么能把模型用好。
就像你说真的把给你把这个倚天剑，你也不见得比这个人家杨过拿一把，拿一把铁剑打的好。打的好，是的，对。所以就是谁能把它用好才是关键。现在的AI，我觉得从能力上，已经在各方面溢出了。
我所谓溢出，就是对一些日常异常行为的，或者异常的这工作的需求已经溢出了。但是在最顶级的，比如你说像在这种金融市场，这已经算是最顶级了吧？真正能做到金领的，那都是高学历，高智商，高甚至说是高情商的人才能做的。
那现在模型已经轻松的开始自己跑起来了，在人为完全不干预的情况之下，那你谁知道哪一天，没准再再过6个月以后，人类这个就不能以智力，就是地球上智力最佳，来命来来来来定义自己了。没错，完全，就被AI给超越了。
是的是的，对，所以非常期待后面的。因为其实这种比赛实际上是很有意思的，就是作为对于我们而言，可以从不同的侧面去看这些，这些模型的潜力到底在哪里，或者它的坑在哪里，就挺明显的，就是一场大考。
嗯，没错，人类就喜欢看比赛嘛，对吧？从那个罗马竞技场的时候，到现在搞奥林匹克，没事就比来比去，然后先拿自己比，然后再拿机械比，再拿再拿动物比，现在来好了，拿AI来比啊。咱们就拭目以待，看下一场斗，就是这个数数据斗地主，或者叫这个竞技场会成什么情况啊？对。
好，那今天我们就先到这里，期待大家多留言互动。没错，欢迎大家，搞笑的一期，有点没错，而且一定要关注我们人民说公园说AI，然后呢，我们会定不定期的，然后把我们感兴趣的话题跟大家分享，做大家创业路上的BGM。
也也祝大家啊，生活愉快，工作愉快，用AI玩的愉快。拜拜，期待下次再见。拜拜，拜拜。