现在是 2026-01-31 晚上。
最近大玩特玩了一波 OpenClaw ，最近很火爆的 AI 工具，它可以操纵整个机器，拥有完整的权限。我给它部署在了阿里云的一台 ECS 服务器上，搭载了 MiniMax M2.1 模型，然后链接到了我的飞书机器人。现在我可以通过飞书和 OpenClaw 进行对话，OpenClaw 会帮我执行各种任务。
不过 OpenClaw 目前实际上还是比较适合安装在本地的空机器上。不是特别适合安装在云服务器上。主要是因为云服务器比较贵。OpenClaw 如果不安装各种工具，例如浏览器，它的功能是相当有限的。当然，这一方面也证明这个世界的 API 还不那么 Open。非要使用浏览器或者各种 App 才能完成任务。
另外一个问题，搭载了 MiniMax M2.1 的 OpenClaw 仍然显得不太聪明。不过作者说 Peter Steinberger 说 MiniMax M2.1 是最好的开源模型，不过还说 Opus 是遥遥领先。在我看来，MiniMax M2.1 目前来看还是比较弱。不知道 Opus + OpenClaw 的效果会怎么样。
我的 GitHub Copilot 套餐可以有限量地访问 Opus 模型，但是无法使用 OpenClaw，只能在 OpenCode 中使用。明天 2月1日 就要重置额度了，于是我打算今天赶紧把额度用完。
于是我让 OpenCode + Opus 帮我写了资本持久战的实验代码，开源在此。不得不说，这件事我之前用 MiniMax M2.1 试过一次，结果是一坨屎。Opus 的效果明显好很多，不愧是 Coding 的 SOTA 模型。
实验报告会在开源项目中维护。不过可以公布目前的实验结论：
在 GBM 的高波动市场模型下，基础的均值回归策略 + 反马丁格尔资金管理，在具有交易成本的情况下，仍然可以实现资本的指数级增长。
令人惊讶的是趋势跟踪策略在反马丁格尔资金管理下无法实现指数级增长，而均值回归策略可以实现。这强调了高胜率策略的优势。但是我仍然怀疑这一点，我需要进一步验证，我的直觉告诉我，即便胜率较低，趋势跟踪策略也应该可以实现指数级增长。
仍然需要进一步验证。请关注资本持久战的实验开源项目！
