機器人在 Polymarket 淘金
OpenClaw 與 Polymarket 的新玩法
在小紅書上，有人出價 1000 元，找人幫自己部署 OpenClaw。主要用途之一，就是用 OpenClaw 來做 Polymarket 上的量化交易。而這並非突發奇想。
2 月 13 日，OpenClaw 官方的博文提到，一個由 OpenClaw 驅動的機器人證明了自主智能體在預測市場的強大潛力——單週狂攬 11.5 萬美元利潤。
1 月底，Polymarket 也發佈過一條有趣的帖子：Agent 們正在 Polymarket 上進行交易，試圖補貼自己的 token 成本。
機器人的核心策略
首先是數學平價套利。這利用了預測市場的 Bug。在 Polymarket 的二元期權交易中，無論結果是「Yes」還是「No」，最終獲勝方的合約結算價必定是 1 美元。當市場情緒波動或流動性突變，市場兩側（Yes 和 No）的總成本有可能低於 1 美元。這時機器人迅速同時買入多空兩側的股份，便能實現無風險套利利潤。
再就是專注極短期的加密貨幣波動市場。BTC、ETH 等 5 分鐘和 15 分鐘短期預測市場的波動劇烈，特別是在交易平臺發生強制平倉潮等極端行情時，極易產生價格錯位，這給機器人的高頻介入提供了完美的溫床。
其三是充當數字做市商，通過高頻雙向掛單賺取價差。例如，當某個結果的公允價格在 80 美分左右波動時，機器人會以 80 美分買入，並迅速以 81 或 82 美分賣出。這種單筆利潤極小，但積少成多，也非常可觀。
大模型與 AI 的潛力
一篇關於「LiveTradeBench」的論文做了基於真實世界實時數據進行的「模擬交易」。在 Polymarket「2025 俄烏停火」的盤面上，大模型靠自己的推理和預測，就有機會大賺一筆。
去年 10 月，澤連斯基訪問白宮並提出「無人機換戰斧導彈」的交易提案，Grok-3 進行了「基於信念的推理（belief-based reasoning）」，將內部預估的停火概率從 0.15 動態上調到了 0.22，同時它注意到，當時「YES」合約的價格大幅跳升至 0.18。這形成交叉驗證，於是，Grok-3 判定該合約存在被低估的套利空間，確立了堅定做多並持有的策略。而最終該合約的市場價格穩步上漲，讓它有機會獲利。
但 Grok 還不是表現最好的。
上述論文測試了 21 個主流大語言模型在金融市場的表現，同時涵蓋了美國股市和 Polymarket 預測市場。其中，Claude-Sonnet-3.7 在 Polymarket 的表現一騎絕塵。它在 50 個交易日的觀測中，實現了 20.54% 的累計回報率。其最大回撤為 10.65%，也大幅領先市場平均水平。
AI 與交易的深層影響
之後的自動交易機器人分工很可能是，大模型負責判斷，把零散信息壓縮成概率結論；OpenClaw 這類工具負責執行，把這個結論變成實際的下單操作和倉位管理。過去只有量化基金才玩得起的事，現在個人開發者也能搭起來。
這意味著預測市場的競爭維度，正在出現變化。在傳統預測市場，人類靠的是經驗和直覺。在高頻套利時代，機器靠的是速度和紀律。現在推理能力也被程序化，真正的門檻變成了，誰更擅長把複雜信息轉化成準確的概率。
於是又有人浮現出新的幻想：如果自己有一隻足夠聰明可靠的龍蝦，就有機會把 Polymarket 變成印鈔機了。
可惜，理論和實踐還有不小的差距。Prophet Arena 是一個用於評估 AI 預測能力的平臺，基於它的研究揭示了一些不可忽視的風險。
首先，大模型的預測能力並不穩定。頂尖模型在開放域預測上可以接近甚至超過市場共識，但「猜得準」和「賺得到」是兩回事。預測精度提升，不會自動變成持續的超額收益。
其次，時間窗口是個現實的挑戰。一個事件越接近出結果的時候，突發信息的衝擊越密集，而模型在這種階段往往偏保守，概率調整慢，人類市場的反應速度更勝一籌。
再者，大模型容易被噪音帶偏。一條情緒化的新聞、一波社交媒體異動，都可能讓模型的概率判斷大幅擺動。相比之下，有經驗的人類交易者反而有更強的錨定感，不那麼容易被短期噪聲沖垮。
此外，OpenClaw 類框架通常要求導入私鑰與交易權限，各種安全問題也可能悄然掏空賬戶。
所以，與其期待 AI+OpenClaw 會對預測市場形成降維打擊，不如關注它將給這個市場帶來的深層影響。當 AI 驅動的 Agent 會越來越多，價格變化對信息的反應越來越快，而這反倒可能會消除自動套利的幻想。
一旦機器人或者龍蝦們氾濫，套利的窗口只會越來越窄。到時能否持續盈利，不會取決於你是否擁有一隻更聰明的龍蝦，而要看你是否理解自己承擔了怎樣的風險。
AI 能替人類為賭局下注，但承擔後果的，還得是人類自己。