当 OpenAI、Anthropic、Google、xAI 与 Alibaba 的八个前沿模型被各自赋予 1 万美元真实资金，进入真实市场自主交易后，一个反直觉的结果出现了：据 SUI Group 公告，Alpha Arena 的 32 组结果中模型仅有六次实现盈利。这意味着，那些在语言理解、推理与代码生成上不断刷新基准的模型，在金融市场的连续决策与风险约束下，并没有自然转化为可验证的交易能力。Nof1 的旗舰实验用一笔不算大的资金，把“前沿模型是否需要专门训练才能交易”从一个行业争论变成了可被观察的实盘记录。
据 SUI Group 公告，SUI Group Holdings Limited 与 Karatage Opportunities 联合领投 Nof1 的 1500 万美元融资轮。据公告，SUI Group 向 Nof1 投资 300 万美元；来源未披露本轮除 SUI Group 300 万美元外的其他出资方构成。Nof1 被公告描述为训练面向金融市场前沿模型的世界级 AI 研究实验室（公司口径）。这笔融资的叙事重心并不在模型参数或算力规模，而在于一个更直接的问题：当通用前沿模型被投入真实市场，它们究竟能不能赚到钱。
从公告披露的语境看，Nof1 的融资与 SUI Group 对 Recursive Superintelligence 的战略投资构成一组并列动作。公告称 SUI Group 与 Karatage 共同参与本轮，SUI Group 对 Nof1 为直接投资，对 Recursive Superintelligence 则通过 Twin Path ventures 的结构化交易进行。这种并列披露本身传递出一个信号：SUI Group 并非把 Nof1 视为孤立的交易工具项目，而是将其纳入一个更宽泛的代理式金融与人工智能生态叙事中。不过，就 Nof1 本身而言，本轮融资的核心证据仍然只有一个：1500 万美元种子轮，以及一个已经公开的、结果并不好看的实盘基准。
| 字段 | 内容 |
|---|---|
| 公司 | Nof1 |
| 轮次 | 种子轮 |
| 金额 | 1500 万美元 |
| 投资方 | SUI Group、Karatage Opportunities 联合领投 |
| 总部 | 未披露 |
| 创始人 | 未披露 |
| 官网 | https://nof1.ai/ |
32 组实盘结果暴露的不是模型不聪明，而是通用智能与交易目标之间的错配
Alpha Arena 被公司描述为“首个实盘基准”，用于测试前沿 AI 模型能否在真实市场中产生 alpha。据公告，在 Season 1 与 Season 1.5 中，八个领先模型各获得 1 万美元真实资金并自主交易，这些模型来自 OpenAI、Anthropic、Google、xAI 与 Alibaba。公告没有披露交易标的类别、时间窗口、分组方式或每组的盈亏分布，只给出了一个汇总结果：32 组结果中，模型仅有六次实现盈利。
公司公告称该实验验证了其核心论点，即今天的前沿模型需要专门构建的训练与基础设施才能有效交易。以下为编辑分析：在公告披露范围内可观察到的是，在 Nof1 设定的实盘条件下，多数通用模型未能实现正收益。但公告仅披露 32 组结果中六次盈利，未披露分组与盈亏分布，因此无法据此判断模型整体正收益比例，也无法判断亏损是否主要来自市场波动、交易摩擦还是模型决策错误。
这一实验的真正信息增量在于，它把“金融 AI 是否需要专门训练”从理论争论推到了实盘层面。前述汇总结果与这些模型在通用推理任务上的表现形成反差。公告称相关实验在社交媒体获得超过 5000 万次浏览（公司口径，未披露统计口径）；该数据可作为关注度参考，但不能直接等同于交易能力或市场需求。Nof1 仍需要证明，其自有模型能够在相同或更严格的实盘条件下持续产生正收益。
从实验设计角度看，Alpha Arena 的公开性同时构成了它的价值与局限。价值在于，它提供了一个外部可观察的窗口，让“前沿模型能否交易”不再只是闭门回测或论文结论；局限在于，公告只披露了汇总盈亏，没有披露任何关于交易频率、持仓周期、资产类别或风险敞口的信息。这意味着，外部观察者无法判断这六次盈利是来自稳定的策略优势，还是来自少数高波动交易的偶然结果。对于一家试图以实盘基准建立行业认知的公司而言，这种信息密度可能不足以支撑其“验证核心论点”的表述。
Nof1 的产品路线不是做更好的通用模型，而是把交易拆成搜索、推理与执行三段
据公告，Nof1 计划推出 Season 2，开发自有模型，并为其配备网络搜索能力、延长推理时间与多步执行。这一路线与 Alpha Arena 中直接调用第三方前沿模型形成对比。从已披露信息看，Nof1 的产品逻辑是把交易任务拆解为信息获取、推理决策与执行三个环节，并针对每个环节进行专门优化。网络搜索能力对应信息获取，延长推理时间对应决策深度，多步执行对应交易链条的自动化。
在 Season 2 之后，公司计划推出面向消费者的平台，包含其称为“全球首个面向市场的编码智能体”（公司口径）。平台将搭载 Nof1 的前沿模型，采用开放式 AI 架构持续改进。公告称该架构“旨在超越人类与算法交易者”，这一表述同样为公司口径。从产品形态看，Nof1 试图从实验室实验走向一个可被终端用户使用的交易平台，但公告未披露该平台的具体功能边界、用户门槛、可交易资产类别或收费方式。
值得注意的约束是，Nof1 的 Season 2 尚未发布，消费者平台更在 Season 2 之后。也就是说，本轮融资所支撑的产品路线仍处于早期阶段。公告称领导团队包括曾在 DeepMind、Renaissance Technologies 等机构担任高级职位的企业家与研究人员，未披露姓名与职责。这为模型训练与量化交易两个方向提供了背景支撑，但外部难以判断这些背景在多大程度上能够转化为产品落地能力。
从技术路线看，Nof1 选择的三段式拆解并非全新范式，但它与 Alpha Arena 的实验结果形成了逻辑上的呼应。如果通用模型在直接面对交易任务时表现不佳，那么把任务拆开，分别优化信息获取、推理深度与执行链条，可能是一种更可控的改进路径。问题在于，公告没有说明这三个环节之间的耦合方式：网络搜索能力如何与交易决策衔接，延长推理时间是否意味着更高的延迟成本，多步执行是否引入了新的失败模式。这些细节的缺失，使外部难以评估 Season 2 的技术方案是否真的针对 Alpha Arena 暴露的问题，而不是一次方向上的重新包装。
联合领投方的资本结构与关联关系，让这笔融资更像生态内配置而非独立财务投资
本轮融资的联合领投方之间存在多层关联。据公告，Karatage Opportunities 是一家总部位于伦敦的自营对冲基金，专注数字资产与新兴技术。Karatage Opportunities 的联合创始人 Marius Barnett 与 Stephen Mackintosh 分别担任 SUI Group 董事会主席与首席投资官。Karatage 持有 SUI Group 5.63% 的普通股，并担任其战略顾问。公告还称，SUI Group 的独立及无利害关系董事审查并一致批准了 SUI Group 对 Recursive Superintelligence 与 Nof1 的投资。
这意味着，Nof1 的联合领投方并非彼此独立的第三方资本。SUI Group 与 Karatage 在治理、股权与人事上高度重叠，Nof1 的融资因此带有明显的关联交易特征。公告将这一安排纳入关联交易披露，并提示相关风险与公众认知影响。对于 Nof1 而言，这种资本结构的优势在于投资方与公司之间存在战略协同：SUI Group 表示将寻求使用这些模型为其数字资产 treasury 驱动收益与回报（前瞻性陈述）。但劣势同样明显：如果主要出资方与公司治理层高度绑定，后续独立融资、客户获取与外部验证可能面临更复杂的利益冲突审查。
从投资逻辑看，SUI Group 的参与并非单纯的财务回报诉求。公告称，SUI Group 认为代理式金融是未来最具吸引力的机会之一，并期望这两笔投资为其提供对代理式金融机会的敞口。Nof1 的模型若能被用于 SUI Group 的数字资产 treasury，则投资方本身就是潜在客户。这种“投资方即客户”的结构可以缩短商业化路径，但也使 Nof1 的早期收入来源与投资方绑定，难以作为独立市场需求的证明。
进一步看，SUI Group 在公告中把 Nof1 与 Recursive Superintelligence 放在同一战略框架下描述：Nof1 被定位为“今天”的 AI 驱动交易基础设施，Recursive Superintelligence 则被定位为“明天”的基础能力。这种表述更多反映的是 SUI Group 自身的投资组合叙事，而非 Nof1 的独立市场定位。对于外部观察者而言，Nof1 需要回答的问题是：如果剥离 SUI Group 与 Karatage 的关联，它是否还能从独立第三方资本或客户那里获得同等程度的验证。
1500 万美元在模型训练与金融交易之间，买到的更多是验证窗口而非规模优势
来源未披露 Nof1 本轮融资的具体资金用途明细，仅称资金用于推进其 AI 驱动的金融交易模型及平台开发。从公司已披露的路线图看，资金大概率会流向三个方向：自有模型训练、Season 2 实验基础设施、以及消费者平台的早期开发。公告未披露算力合作方、数据授权与模型参数规模，因此无法判断 1500 万美元在训练与平台开发之间的分配比例。
另一个资金用途信号来自 SUI Group 的表述。公告称 SUI Group 将寻求使用这些模型为其数字资产 treasury 驱动收益与回报。这意味着 Nof1 的模型在对外商业化之前，可能先在一个特定场景中接受验证：SUI Group 自身的数字资产 treasury。该场景与 Alpha Arena 的 1 万美元实验不同，涉及更大规模资金与更严格的回撤约束。如果 Nof1 能在这一场景中提供可审计的收益记录，将比社交媒体浏览量更有说服力；但公告未披露任何时间表或验证标准。
从资金效率角度看，1500 万美元的种子轮在 AI 模型训练领域并不算充裕，但在金融交易模型这一细分方向上，可能足以支撑一个聚焦的验证周期。关键在于，Nof1 是否能把资金集中在一个可被外部观察的验证目标上，而不是同时推进自有模型、Season 2 与消费者平台三条线。公告没有披露优先级，因此外部无法判断这笔钱是否会被分散在多个尚未证明的假设上。对于一家种子轮公司而言，验证一个核心假设往往比同时铺开多条产品线更重要。
竞争不在“AI 交易模型”这个模糊赛道，而在实盘验证、交易成本与资金容量的三重约束中
以下为编辑分析：Nof1 的差异化不在于“用 AI 交易”，而在于其公开实盘基准与面向消费者的平台路线。该判断基于公开产品路线，尚待独立市场数据验证。Alpha Arena 的公开性使 Nof1 获得了一个大多数量化机构不愿暴露的实验场：真实资金、真实市场、公开结果。这种透明度在营销上有效，但也意味着失败结果同样公开。
围绕 Nof1 已披露的 Alpha Arena 公开实盘、Season 2 自有模型与消费者平台路线，可比较的验证指标包括：Season 2 自有模型是否在相同实盘条件下公布完整交易记录；交易频率、持仓周期与最大回撤是否优于 Alpha Arena 中测试的第三方前沿模型；消费者平台是否明确披露模型决策逻辑、风险提示与用户授权机制。前述汇总结果尚未证明 Nof1 的自有模型能够超越其测试的第三方前沿模型。如果 Season 2 的自有模型在相同实盘条件下不能显著改善盈利比例，Nof1 的差异化叙事将失去支点。
交易成本是另一个不可回避的约束。公告未披露 Alpha Arena 的交易成本、滑点与资金费率。对于 1 万美元级别的账户，交易成本可能显著侵蚀收益。Nof1 若要在消费者平台中服务更大规模资金，还需要证明其策略在更高资金容量下不会失效。来源未披露任何关于资金容量、最大回撤或夏普比率的数据，因此这些关键指标仍待验证。
还有一个容易被忽略的竞争维度是执行基础设施。公告提到 Season 2 将配备多步执行能力，但未披露执行层是与交易所直接对接、通过经纪商 API，还是依赖第三方交易终端。对于面向消费者的交易平台而言，执行延迟、订单路由与故障恢复能力可能比模型本身的预测准确率更直接影响用户体验。Nof1 若要在零售市场与成熟交易工具竞争，仅靠模型层的差异可能不够，执行层的可靠性同样需要被验证。
从实验室到消费者平台，Nof1 需要跨过的不是技术鸿沟，而是合规与信任的连续验证
Nof1 计划推出的消费者平台，涉及一个敏感问题：面向零售用户的 AI 交易工具是否需要受到更严格的监管。公告未披露 Nof1 的注册地、监管牌照或合规架构，也未说明消费者平台将如何界定模型建议与用户决策之间的责任边界。对于一家计划让“编码智能体”面向市场执行交易的公司而言，这些信息的缺失使外部难以评估其商业化时间表。
针对 Nof1 已披露的“Season 2 后消费者平台”与“SUI Group treasury 使用模型”两个具体场景，可核验的合规与审计指标包括：消费者平台是否明确披露模型决策逻辑、风险提示与用户授权机制；SUI Group 是否实际将 Nof1 模型用于其 treasury 并披露收益结果；以及相关实盘记录是否经过独立第三方审计。这些指标比“全球首个”“世界级”等公司口径更能反映公司的真实进展。
Nof1 的实验设计本身也留下了一个待解问题：前述汇总结果被公司解读为“前沿模型需要专门训练”的证据。但另一种解释同样成立：在 1 万美元资金规模与未披露的交易条件下，通用模型的表现可能受限于交易成本与市场环境，而非模型能力本身。来源未披露分组数据、时间窗口与交易标的类别，因此无法排除这种替代解释。Nof1 若要在 Season 2 中证明其自有模型的价值，需要提供比汇总盈亏更细颗粒度的数据，包括每组的交易成本、持有周期、最大回撤与风险调整后收益。
信任问题还延伸到公司治理层面。由于本轮融资的联合领投方之间存在高度关联，Nof1 未来公布的任何实盘结果都可能面临“是否经过独立审计”的追问。如果 Season 2 的自有模型表现良好，但验证过程仍由关联方主导，外部市场可能不会给予同等程度的信任。Nof1 若要把 Alpha Arena 的公开性转化为真正的行业影响力，可能需要引入独立第三方对实验设计、数据完整性与交易记录进行核验。
这笔 1500 万美元的种子轮融资，最终留下的核心问题不是 Nof1 能否训练出更好的金融模型，而是它能否在公开实盘验证中证明“专门训练”确实带来了可测量的收益差异。Season 2 应披露的核验指标包括：分组交易记录、交易成本、最大回撤与风险调整后收益。Alpha Arena 的 32 组结果中仅六次盈利，既是一个起点，也是一个尚未被跨越的基准线。
验证边界与可复核指标
本文涉及的“首个、唯一、最大、领先”、订单、出货、性能等表述，如无另行说明，均是公司、创始人或投资方在现有公开材料中的披露口径；RecodeX未在本次采集材料中找到独立审计或第三方测试结论，因而不将其视为已经独立确认的事实。文中的产业协同、竞争位置和商业路径属于基于已披露产品与融资用途的编辑分析，不代表相关结果已经实现。
- 技术侧应核验第三方测试条件、样本规模、良率、稳定性及与可比方案一致口径的结果；
- 商业侧应核验去重后的付费客户、可执行合同、收入确认、复购率以及订单转化；
- 资本与产业协同应以工商股权、关联交易、联合开发、采购或量产文件为准。
RecodeX 极客视：Nof1 用 32 组实盘结果把“前沿模型能否交易”变成了一个可被观察的问题，但六次盈利的汇总数字还不足以支撑任何结论。真正值得跟踪的是 Season 2 自有模型能否在相同条件下跑出可审计的差异，以及 SUI Group 是否愿意把自己的 treasury 变成下一个公开验证场。
信息来源
本文在采集与核验阶段引用了以下公开来源，按站点去重列出；来源内容归原发布方所有，其口径不代表 RecodeX 的核实结论。