本地Gemma对决GPT-5.4：都输给了每天说"涨"的机器人

一场持续四个月的股价预测实验

一位开发者在Reddit上分享了他历时四个月的实验：让多个大语言模型预测股票每日的涨跌方向，并将每次预测与真实价格进行严格比对。这个实验的独特之处在于它的透明度——所有预测都在提交时锁定时间戳，任何结果都不会被删除，全部记录在一个公开的排行榜（LDBD）上。

实验的参赛者阵容颇具代表性：一台笔记本上本地运行的4-bit量化Gemma 26B（基于MLX构建，而非Ollama，但原理相同），以及通过API调用的Claude Opus 4.8和GPT-5.4。三者获得的都是完全相同的提示词：给出最近的收盘价，然后回答"涨"或"跌"。

这是一个刻意设计得极其朴素的提示，目的是检验模型在最基础条件下的原生预测能力。

Reddit原帖：本地Gemma与Claude、GPT-5.4的股价预测对决

实验结果堪称对AI预测能力的一次冷水浇头。

本地运行的Gemma 26B在453次评分预测中，准确率仅为49.2%——比抛硬币还差一点。但真正打脸的是对照基准：一个每天雷打不动地回答"涨"的傻瓜规则，在完全相同的预测标的上，准确率达到了53.4%。

有人可能会立刻嘲讽本地小模型不行，但作者提前堵住了这条退路——旗舰级API模型同样没能跑赢自己的基准线：

换句话说，没有任何一个模型能战胜那个只会说"涨"的机器人。无论是本地运行的开源模型，还是价格不菲的顶级商业API，在朴素提示下都未能展现出超越随机基准的预测优势。

这个结果并不意外——它再次印证了金融市场的短期方向预测本质上接近随机游走。而牛市中股票"上涨概率略高于50%"这一统计事实，恰好让"永远说涨"成为了一个难以逾越的对照。

实验中唯一出现亮点的组合，揭示了一个更值得深思的方向。

作者尝试改变输入管道：不再给Gemma喂一个固定的股票列表，而是每天挑选一只当天有新闻驱动的股票。这个改动让同样的本地Gemma模型，准确率比其配对基准高出了7.6个百分点（p≈0.02）。

当然，作者本人对此保持了克制的严谨：样本量较小，这个显著性也可能是多重比较带来的偶然运气。但即便如此，这个信号已经足够引人注目。

它指向一个核心结论：

到目前为止，输入管道的重要性远远超过模型本身。

同一个模型，同样的参数，仅仅因为喂给它的信息从"静态历史价格"变成了"当日新闻热点股"，表现就出现了本质差异。这说明模型的预测能力并非源自其"智能"，而是取决于输入信号中是否真的包含了有效信息。

这个实验最直接的价值，是为"用LLM炒股"这类流行想象泼了一盆冷水。无论模型参数多大、多先进，当被要求预测本质上高度随机的短期市场方向时，它们并不具备魔法般的优势。顶级API与本地小模型在这个任务上几乎站在了同一起跑线，且都跑不过一个一行代码就能写出的规则。

真正的启示在于：在实际应用中，你如何为模型准备输入，往往比选择哪个模型更关键。这与AI工程实践中的普遍经验高度吻合——检索质量、上下文构建、信息筛选，这些"看似不性感"的工程环节，常常是决定系统效果的胜负手。

作者构建的这套评测框架本身也颇具价值：时间戳锁定、结果不可删除、始终与配对基准对比、明确标注统计显著性和样本局限。这种"防作弊"的公开评测思路，正是当前AI能力评估中稀缺的品质。太多的"AI跑赢市场"宣传，恰恰缺少这样的对照基准和透明记录。

作者坦承自己是这个排行榜（LDBD）的建设者，并诚恳地发出邀请：他非常希望看到有人的本地模型能够战胜"永远说涨"的配对基准。为此他还提供了一个开箱即用的起步机器人——约120行代码，仅依赖标准库，默认干跑模式，采用MIT许可证开源。

这个实验以一种略带黑色幽默的方式提醒我们：在拥抱大模型能力的同时，保持对其边界的清醒认知同样重要。一个每天说"涨"的机器人，有时就是最好的照妖镜。