# 五个实验室，五个心智：用小模型搭了个会内幕交易的金融宫斗剧

> 原标题：五个实验室，五个心智：用小模型构建多模型金融剧情游戏

- 来源：AI HOT 精选
- 发布时间：2026-06-06T19:02:33.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/34932
- 原文：https://huggingface.co/blog/build-small-hackathon/thousand-token-wood-sim-v2

## 摘要

这个项目用四家不同实验室的小模型（OpenAI 的 gpt-oss-20b、OpenBMB 的 MiniCPM3-4B、NVIDIA 的 Nemotron-Mini-4B 和一个自己微调的 0.5B Qwen）分别扮演市场里的不同角色，玩家则充当幕后金主，可以放贷、散布真假内幕消息、做空和贿赂。模型之间的差异本身就是卖点，让市场博弈更像真的吵架而不是念...

## 推荐理由

我会先打个折：这只是个实验项目，不是产品。但它的切入点很巧——用小模型之间的差异来制造博弈感，而不是硬靠 prompt 演。技术细节也够实在，vLLM 版本冲突、0.5B 模型的表现数据都摆出来了，做 agent 的人能直接参考。正文没披露微调那 0.5B Qwen 的具体数据配方，这点先别太激动。整体值得一看，放在低 featured 合理。

## 锐评

这个项目把多模型异构做成了游戏卖点，而不是技术妥协。它用 OpenAI 的 gpt-oss-20b、OpenBMB 的 MiniCPM3-4B、NVIDIA 的 Nemotron-Mini-4B 和一个自己微调的 0.5B Qwen 分别驱动市场里的不同角色，玩家则充当幕后金主，可以放贷、散布真假消息、做空和贿赂。模型之间的天然差异让市场博弈产生了真实的策略分化，比如猫头鹰囤货的方式和狐狸投机的方式就是不一样，这比用同一个模型换提示词要生动得多。

技术上的主要坑在模型部署层，不在模型本身。他们用的 vLLM 0.22.1 在启动时需要即时编译，依赖 CUDA 工具包，而精简的容器镜像默认不带，导致四个模型一开始全部报错。作者自己微调的 0.5B 小模型表现不错，自我交易率降到了 0%，有效报价率达到 100%，说明小模型在特定角色扮演任务上完全够用。

不过文章没提几个关键信息：四个模型同时跑起来的显存占用和推理延迟是多少，玩家操作后市场反应要等多久，以及这种多模型架构的长期稳定性如何。这些数据对想复现的人来说比模型差异本身更重要。