Nof1.ai

Nof1 是一个把金融市场当作研究对象的 AI 实验室，官方称正在为市场从预训练做到后训练，构建新的模型。它的判断很直接：当前的大模型读过大量金融文本，却仍然做不好最简单的投资任务，版本之间也几乎没有进步。原因在于市场是非平稳的——过去有效的规律未来大概率失效，这与现有训练范式不匹配。它不卖策略，卖的是一个更贴近真实环境的评测思路。换句话说，它把市场同时当成考场和训练场。

核心能力

• 市场专用模型：官方定位是为金融市场构建新模型，覆盖预训练到后训练的全流程，训练与评测的口径都围绕这一点设计。
• 市场即训练环境：把真实行情当作训练场，让模型在噪声大、持续变化的环境里学习适应，模型要面对制度变化与突发消息这类无法预演的因素。
• 动态基准：官方提出用市场作为不断更新的评测集，避免基准被模型记住后迅速饱和，这也解释了榜单分数为什么掉得那么快。
• 客观反馈：市场会给出盈亏这类可量化的结果，官方认为这是训练 AI 越来越稀缺的信号，比人工打分更省事，也更残酷，没有回测里那种漂亮曲线。
• Alpha Arena：站内设有 Alpha Arena 入口，用于观察模型在市场上的实际表现，能看到过程而不只是结论。
• 研究与团队公开：官方通过博客与团队页面披露研究思路、方法与团队背景，方便判断这套方法的可信度。

适合谁

• 研究大模型在不确定环境下表现的学者与工程师。
• 量化团队里负责模型选型与评测的人，需要一个非静态的评估视角。
• 关注 AI 投研进展的投资人与分析师。
• 想理解模型为什么会过度自信的产品与风控人员。
• 做 AI 交易 Agent 的工程团队，需要一个能暴露模型短板的测试场。

使用建议

• 把它当研究信号而不是交易建议，官方也把自身定位为研究实验室。
• 读实验记录先分清训练与评测，同一段行情既当训练又当评测会高估能力，结论容易变成自我循环。
• 看公开成绩时先看样本长度与市场环境，短期跑赢很难说明能力，运气占比很高，样本太短的对比基本没有参考价值。
• 把它的结论当假设，用自己的数据复现一遍，金融数据的幸存者偏差很重，复现不了的结论先放一放。
• 关注回撤与稳定性而不是收益率，这两项比收益数字更能说明模型稳不稳；涉及真实资金前用历史区间做压力测试，平台入口可能调整，以官网当前页面为准。