作者｜李楠

郵箱｜linan@pingwest.com

有人說OpenClaw這只龍蝦是玩具，有人則想把它變成賺錢機器。把龍蝦派到Polymarket上，是很多人開始嘗試的新玩法。

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。而這并非突發奇想。

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——單周狂攬11.5萬美元利潤。

1月底，Polymarket也發布過一條有趣的帖子：Agent們正在Polymarket上進行交易，試圖補貼自己的token成本。

這看起來有點難以置信。有的龍蝦不斷吞噬主人的錢包，而有的龍蝦已經不僅能養活自己，還能供養主人了。

01

機器人在Polymarket淘金

當人類交易員還在被恐懼與貪婪左右，一個名為“0x8dxd”的機器人賬戶，在Polymarket上悄悄完成了兩萬多次交易，盈利總和超過170萬美元。

先介紹下Polymarket，一個萬物皆可交易的地方。

它是全球最大的去中心化預測市場平臺，讓用戶圍繞未來可驗證的事件交易Yes或No合約。合約價格在0到1美元之間波動，并直接對應市場共識概率。而用戶可以通過預測的準確性，來換取回報。

舉個例子。

在2024年到2025年間，全球粉絲和投資者都在盯著TaylorSwift和橄欖球星TravisKelce的戀情。Polymarket順勢推出了一個預測交易：“兩人是否會在2025年底前宣布訂婚？”在市場普遍傾向于“NO”的時候，有人大筆買入“Yes”，后來大賺一筆。

換言之，如果你對某個事件有更精準的洞察，那么就有機會在Polymarket賺錢。不過對0x8dxd這類機器人來說，預測能力并不重要。它們的謀財之道，靠的是一套抓bug的運作機制和人所不能及的快速反應。

總結起來，機器人主要依靠幾個核心招數。

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）的總成本有可能低于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，特別是在交易所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，并迅速以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。

總的來看，機器人憑借極高的速度優勢和鐵一般的機器紀律，對Polymarket進行了無情收割。這正對應了人類作為碳基生物反應不快、理性不足、需要睡覺的劣勢。而OpenClaw的出現，大大降低部署自動交易機器人的門檻，推動硅基勢力進一步爆發。

相比傳統的Python機器人，交易者無需深入編程，就可以配置OpenClaw交易Agent，實現自動化交易。OpenClaw本身的能力，也讓它適配交易場景。龍蝦們可以不間斷地監控市場價格和交易量，既能確保交易者不會錯過機會，也能及時警告風險。

實際上，很多人已經把前邊提到的0x8dxd跟OpenClaw聯系起來。雖然沒有直接證據表明它是基于OpenClaw構建，但它恰好是從OpenClaw誕生開始活躍。而且，當0x8dxd把Polymarket變成提款機的事跡流傳開，OpenClaw社區涌現了制作Polymarket-trading之類Skills的熱潮。

在近期的Polymarket預測市場上，OpenClaw便成了自動化交易討論中的高頻詞。不過，只靠一些通用策略執行交易，顯然是未必靠譜的。

02

這樣也能賺錢？

一個簡單的結論是：可以穩定套利的公式一旦被公開，也就失效了。如果大家都用同樣的套路，這個套路本身就不會成立。所以面對任何分享這類經驗的教程，最好小心為妙。

事實上，Polymarket已經做出調整，來打擊機器人的套利行為。比如引入交易手續費，增加交易摩擦成本，以及改變訂單執行的底層延遲機制，限制專門利用時間差漏洞進行搶跑的自動化交易。

這就倒逼交易者去發掘AI更大的潛力，找更隱秘的機會。于是有心的交易者把通用策略結合獨特場景落地，挖掘出了一些意想不到的玩法。比如，交易天氣。

預測天氣是目前Polymarket流傳最廣的案例之一，有的機器人專門交易天氣數據。

一個名為“automatedAItradingbot”的賬戶，2025年1月入駐Polymarket。它熱衷于圍繞天氣預測下注，盈利超過7萬美元。還有人發現，一個僅交易倫敦天氣市場的機器人，在不到一年的時間里，把1000美元變成了2.4萬美元。

其中的核心邏輯是，預測市場對突發天氣變化的反應往往滯后。理論上，如果你有一個靈敏可靠的AI Agent，比如給OpenClaw裝上天氣插件，就可以在官方氣象預報更新后，對未及時調整賠率的盤口下注。

但這還不夠AI。隨著大模型的演進，機器人不該只是識別天氣預報這類顯而易見的信號，而應該至少在某個智能的維度，做點人類做不到的事情。

事實上，AI的確在預測市場展現了更誘人的能力。

一篇關于“LiveTradeBench”的論文做了基于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。

案例是這樣的：

去年10月，澤連斯基訪問白宮并提出“無人機換戰斧導彈”的交易提案，Grok-3進行了“基于信念的推理（belief-basedreasoning）”，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，于是，Grok-3判定該合約存在被低估的套利空間，確立了堅定做多并持有的策略。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。

03

在“撿錢”故事背后

上面的實驗比機器人套利的財富故事更值得關注，它們至少提示了一種新的可能。如果說0x8dxd們靠的是速度和搶跑，那大模型的出現，把另一張底牌擺上了桌面，那就是推理本身，也能成為武器。

之后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，誰更擅長把復雜信息轉化成準確的概率。

于是又有人浮現出新的幻想：如果自己有一只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是一個用于評估AI預測能力的平臺，基于它的研究揭示了一些不可忽視的風險。

首先，大模型的預測能力并不穩定。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，突發信息的沖擊越密集，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，不那么容易被短期噪聲沖垮。

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泛濫，套利的窗口只會越來越窄。到時能否持續盈利，不會取決于你是否擁有一只更聰明的龍蝦，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，但承擔后果的，還得是人類自己。