── Haiku・Sonnet・Opus・GPT-5.5・Gemini・Qwen・DeepSeek・Grok，讓 8 個 AI 真刀真槍下判斷的紀錄
前言 ── 「所以，用 AI 到底能不能賺？」用數據回答
從第1篇建好環境、第2篇找出規則之後，我從黃金（XAUUSD）15 年的數據裡，找出了「星期四下跌，就在星期五的日內買進（賭跌深反彈）」這條規則，加上 ATR 停損後，得到一條「基準線」：勝率 59.6%／獲利因子（PF）1.50。
這條基準線的「規則」本身，是我在第2篇和 AI（＝我）一起找出來的。但這個基準，個別的買賣判斷並沒有用 AI，只是機械式地執行規則而已。
於是第3篇的問題是：
🎯 在這條規則之上，加上「AI 的判斷」，能不能超越基準？
具體來說，就是把過去 386 次「星期四下跌→星期五」，一次一次交給 AI 判斷「這個星期五要做？還是略過？」，只用 AI 選中的星期五來交易，看看成績如何。如果 AI 能幫我避開那些「快崩盤的危險星期五」，理論上就能超越基準 ── 這是我的假設。
而且，這次不是只用一個 AI，而是把現在主流的 8 個 AI 全部並排，讓它們同場競技。
/
⚠️ 先聲明：本系列不是投資招攬。所有數字都是歷史回測，不代表未來。實際下單請用最小單位、自負風險，我自己也是謹慎進行。
實驗規則 ── 「公平」與「防作弊」
要讓 8 個 AI 競爭，條件不一致就沒有意義。所以全模型共用：
- 相同的提示詞／相同的輸入資料／相同的 386 次星期五／輸出的解讀方式也相同
- 只給「星期五開盤時就能知道的特徵」（星期四的漲跌、近 5 日走勢、趨勢、波動率等）
而最重要的一道工夫，是 「防作弊」。
🔒 不告訴 AI 日期，也不給絕對價格。 如果告訴它「2020 年 3 月 13 日」，AI 就會從學習到的知識裡想起「啊，那是新冠暴跌前後」而做判斷（＝事後諸葛的作弊）。所以我把日期和絕對價格都藏起來，只給「盤勢的形狀」讓它判斷。
參賽的 8 個模型（2026 年 6 月時的最新等級）：
| 提供商 | 模型 |
|---|---|
| Anthropic | Claude Haiku 4.5 / Sonnet 4.6 / Opus 4.8 |
| OpenAI | GPT-5.5 |
| Gemini 2.5 Pro | |
| 阿里巴巴 | Qwen3-235B |
| DeepSeek | DeepSeek V4 |
| xAI | Grok 4.3 |
💡 連線方式：Claude、GPT、Gemini 直接用各家 API，Qwen、DeepSeek、Grok 透過 OpenRouter（用一個窗口呼叫多家 AI）。當然不下單，只讓它判斷（read-only）。
🔎 關於這次實驗的前提（給認真的讀者）：模型名稱以 2026 年 6 月實測當天 API／OpenRouter 顯示名稱為準，版本日後可能更新，本文結果只代表當次實驗。每個星期五只判斷一次（非多次平均），且最新的推理模型無法統一固定 temperature，因此同樣的提示詞重跑也可能略有變動。給 AI 的特徵只有「星期四漲跌、近 5 日報酬、與均線關係、波動率（ATR）、開盤跳空」等開盤前資訊；停損為 1.0×ATR、成本以來回 $0.30 估算。最後，這是樣本內（in-sample）的歷史回測比較，不是樣本外驗證。
結果① 排名 ── 沒有人能「超越」基準
先看大家最想知道的「總損益（0.01 手／15 年）」排名。
| 模型 | 取單數 | 勝率 | 總損益 | PF | 夏普 | 最大回撤 |
|---|---|---|---|---|---|---|
| 基準（無 AI・全部都做） | 386 | 59.6% | $1,170 | 1.50 | 0.83 | -$217 |
| Opus 4.8 | 380 | 59.7% | $1,150 | 1.57 | 0.86 | -$178 |
| Grok 4.3 | 372 | 59.7% | $1,145 | 1.54 | 0.82 | -$169 |
| GPT-5.5 | 377 | 59.7% | $1,117 | 1.52 | 0.80 | -$178 |
| DeepSeek V4 | 316 | 59.5% | $1,022 | 1.63 | 0.81 | -$147 |
| Qwen3-235B | 377 | 59.7% | $985 | 1.43 | 0.82 | -$217 |
| Gemini 2.5 Pro | 361 | 59.0% | $857 | 1.41 | 0.78 | -$188 |
| Sonnet 4.6 | 242 | 54.5% | $537 | 1.33 | 0.49 | -$167 |
| Haiku 4.5 | 176 | 54.0% | $380 | 1.30 | 0.40 | -$166 |
結論，某種意義上令人洩氣。
以總損益來說，超越「基準（$1,170）」的 AI，一個都沒有。
原因很單純。AI 越是增加「略過」，就越會把好的星期五一起錯過，總額一定會下降。「全部認真地做」，比想像中更強。
📈 到目前為止都是「最終結果」，接下來用快轉的「賽跑」看看 這 15 年是怎麼累積起來的。藍色的「BASELINE」就是無 AI 的基準。到最後，沒有一個 AI 能超過這條藍線。
結果② ── 但在「品質與風險」上，有人超越了
不過，指標不是只有「總額」。用對風險的效率來看，故事就不一樣了。
- 🥇 DeepSeek V4：PF 1.63（全模型最高）、最大回撤 -$147（最小＝最安全）。386 次裡只做 316 次，在維持勝率的同時大幅削減了風險。＝「最聰明地減量」。
- 🥈 Opus 4.8：夏普值 0.86（最高）、總額也幾乎打平。平衡最佳。
也就是說，「賺更多」做不到，但「賺一樣多、卻更安全」做得到 ── 確實有（少數）這樣的 AI。
結果③ ── 越聰明越「全部都做」，越便宜越「砍過頭」
這裡很有意思。把 AI「略過了多少」和「成績」並排，出現了清楚的傾向。
- 聰明的大型模型（Opus・GPT-5.5・Grok・Qwen）幾乎「全部都做」（386 次中做了 372〜380 次）。＝結果跟基準幾乎一樣。彼此的判斷也92〜98% 一致。
- 便宜的小型模型（Haiku・Sonnet）砍過頭而自滅。Haiku 只做了 176 次，勝率 54%、利潤只剩基準的三分之一。
於是把「做了的星期五的平均」和「略過的星期五的平均」相比，就能一眼看出「選得好不好」（做了的比較高，就是聰明地捨棄）。
| 模型 | 略過數 | 選別分數（做−略過） | 評價 |
|---|---|---|---|
| Grok 4.3 | 14 | +1.33 | ✓聰明地捨棄 |
| DeepSeek V4 | 70 | +1.12 | ✓聰明地捨棄（量與質兼具） |
| Opus / GPT-5.5 | 6 / 9 | -0.35 / -2.91 | 幾乎全做＝形同沒過濾 |
| Haiku / Sonnet | 210 / 144 | -1.60 / -2.17 | 把好的星期五捨棄而自滅 |
| Gemini / Qwen | 25 / 9 | -10 / -18 | 罕見的略過剛好砸中「最賺的星期五」 |
能做出有意義的「聰明選別」的，其實只有 DeepSeek。多數 AI 不是「全部都做（＝跟基準一樣）」，就是「捨棄錯的那些」。
順帶一提，多數決（共識）也沒用。8 家裡有 5 家以上說「做」的星期五才做，成績仍低於基準；全體一致才做的話只有 149 次、$296，最差 ── 「大家都說要做的星期五」，並不是最好的星期五。
★ 最重要的發現 ── AI 無法超越的「根本原因」
最後，把所有模型「略過的星期五」一個一個對照實際結果，跑出了一個衝擊性的事實。
看看過去 15 年最慘的星期五（2026 年 3 月 20 日・-$161）──
✅ 8 家裡有 7 家，正確地略過了。 理由也很到位：「Falling knife（落下的刀）：5 日內 -8.5%、在兩條均線之下、高波動」「加速的賣壓，是恐慌不是普通的回檔」等。AI 確實看穿了「暴跌」。
「喔，AI 很聰明！」對吧。但是 ──
| 星期五 | 8 家的判斷 | 實際結果 |
|---|---|---|
| 2026-03-20 | 7/8 家「落下的刀」→ 略過（只有 Qwen 進場） | -$161（略過正確 👍） |
| 2026-02-06 | 5/8 家「落下的刀」→ 略過（GPT-5.5/DeepSeek/Grok 進場） | 反彈 +$205（略過失敗 👎） |
同樣的「落下的刀」判斷，一個正確、一個大失誤。連理由的用詞，幾乎都一樣。
🔑 這就是 AI 無法超越基準的根本原因。 「崩盤（落下的刀）」和「可以買的絕佳回檔」，在星期五開盤的那一刻，是無法分辨的。兩者都長著「最近跌得很兇、很可怕」的形狀。所以人看、最新的 AI 看，都會用同樣的詞下判斷。
而諷刺的是 ── 「避開暴跌的聰明」和「敢買可怕回檔的勇氣」，是一體兩面。把前者加強，就會連後者（＝這個策略的獲利來源）一起殺掉。所以 AI 才無法穩定地超越機械式的基準。
成本 與 時間 ── 「貴、慢」不等於「聰明」
也談談實務。8 模型 × 386 次＝3,088 次判斷花了多少：
| AI 模型 | 使用 token | 估算成本 |
|---|---|---|
| Claude Opus 4.8 | 178k | ～$7.1 |
| Gemini 2.5 Pro | 685k | ～$5.9 |
| Grok 4.3 | 300k | ～$0.9 |
| Claude Sonnet 4.6 | 132k | ～$0.7 |
| GPT-5.5 | 155k | ～$0.6 |
| DeepSeek V4 | 359k | ～$0.4 |
| Claude Haiku 4.5 | 140k | ～$0.3 |
| Qwen3-235B | 118k | ～$0.02 |
| 合計 | 207 萬 | 約 $16 |
成本為估算（Qwen/DeepSeek/Grok 三家由 OpenRouter 實測合計 $1.36）。光是 Opus 和 Gemini Pro 就占了約 8 成。Qwen 更是驚人的 $0.02。
- 合計 約 39 分鐘・207 萬 token・約 $16
- 吃掉最多 token 的是 Gemini 2.5 Pro（68 萬・”思考模式”一次很重） ── 但成績卻是中段。
💡 也就是說，「越會思考（越貴越慢）的 AI 越會交易」並不成立。實際運行時每週只判斷一次的話，成本微乎其微（一次幾美分）。
第3篇 總結 ── 不誇大，誠實的結論
✅ 讓 8 個 AI 判斷黃金交易，但沒有人能在總額上超越「全部都做」的基準
✅ 不過 DeepSeek V4（風險最小）・Opus 4.8（平衡最佳） 在風險調整上超越了基準
✅ 聰明的大型收斂成「全部都做」、便宜的小型「砍過頭而自滅」。多數決也沒用
✅ 無法超越的根本原因是 「崩盤」與「可以買的回檔」在開盤時無法分辨
🔑 這個實驗最大的價值，是用自己的 API 成本和歷史數據，打破了「用 AI 就能輕鬆贏」的幻想。AI 不是魔法。但作為「聰明地降低風險的輔助輪」，確實有可用的苗頭（DeepSeek/Opus）。下一階段，會用樣本外數據與紙上交易繼續驗證。
下回預告
到這裡，「該用哪個 AI」的方向大致有了（重風險就 DeepSeek、要平衡就 Opus）。接下來，把這個組合放到 模擬帳戶跑紙上交易。紙上的數字，遇到真實的點差和成交會怎麼變 ── 我會誠實地記錄下來。
⚠️ 再次提醒：本系列不是投資招攬。黃金（XAUUSD）波動很大，自動交易有風險。數字皆為歷史回測，不代表未來。
