YC S26公司Prodigy Research正式亮相，称其量化金融基础模型在YC孵化期间实盘收益超过100%
Prodigy称量化模型实盘收益翻倍
YC S26公司Prodigy Research正式亮相，称其量化金融基础模型在YC孵化期间实盘收益超过100%，实现本金翻倍。
公司称策略采用Delta中性结构，并表示整个周期没有出现单周亏损；对比基准为同期下跌或横盘的标普500和纳斯达克指数。
Prodigy宣称，其AI量化交易员超过Jane Street第90百分位交易员，并在金融研究与量化评测中击败Claude Fable和GPT-5.6 Sol。该等比较均为公司自报，未见公开评测集、评分标准或独立复核。
公司未公开披露实盘本金、交易标的、杠杆、换手率、交易成本、容量上限、最大回撤、账户对账单或第三方审计报告；因此，100%收益不能直接转换为可复制、可扩容或经风险调整后的策略回报。
创始团队由兄弟Michael Wang和Yuhua Wang组成。Michael Wang曾任Jane Street量化交易员、后在Google DeepMind参与前沿模型训练；Yuhua Wang曾在Apple与Salesforce从事AI系统工作。
市场机制上，Prodigy目前仍以YC支持的研究型AI公司融资，而非对外募资的量化基金。投资人购买的是“模型可替代金融研究与交易劳动”的增长期权；若策略有效且容量可扩展，资金将流向模型训练、数据、执行基础设施和人才，反之则会被交易成本、滑点、拥挤交易与风险暴露吞噬。
来源：公开信息
ABAB AI 解读
Michael Wang的职业路径把交易与模型研发连接起来：Jane Street经历提供市场微观结构、风险管理与交易执行视角，Google DeepMind经历则提供前沿模型训练能力。Yuhua Wang在Apple与Salesforce参与大规模AI平台建设，意味着Prodigy的差异化主张不是单次交易信号，而是把模型、智能体、研究流程和实盘执行整合为闭环系统。
Prodigy此前以Prodigy AI的名称聚焦预测市场交易智能体，目标是让Agent在Polymarket、Kalshi等市场中自主寻找信息差与执行交易；如今升级为量化金融基础模型，意味着其资本叙事从单一预测市场套利，扩展到可服务研究、交易、风控与金融数据分析的更大软件和资产管理市场。
历史类比中，文艺复兴科技的Medallion基金长期被视为量化交易的极端成功案例，但其核心约束正是容量：策略规模扩大后会稀释收益，因此基金长期主要对内部员工开放。Prodigy即使短期收益属实，也必须回答同一个问题——在更大资金规模下，Delta中性收益是否仍能覆盖市场冲击、滑点、融资成本和竞争性复制。
这属于资本集中。基础模型让更多参与者获得研究与代码能力，但可持续交易收益依旧集中在拥有独特数据、低延迟执行、风险资本、市场准入和容量管理能力的少数系统中。模型可以降低发现机会的成本，却不能消除机会被交易后迅速衰减的市场规律；真正的护城河不在“模型能预测”，而在“资金进入后还能执行”。
ABAB News · 认知定律
回测证明想法，实盘才证明摩擦
收益能复制，容量未必能复制
模型发现机会，执行决定谁能赚钱