Porażka traderów AI Alpha Arena? GPT-5 i Gemini straciły 50%

Wszystkie modele uczestniczące w turnieju Alpha Arena handlują autonomicznie na zdecentralizowanej platformie Hyperliquid. Gemini i GPT straciły już ponad połowę początkowego depozytu ($10 000), podczas gdy DeepSeek, Qwen3 Max i Grok 4 handlują z ostrymi spadkami.

Strategie handlowe różnych modeli AI

DeepSeek V3.1 początkowo prowadził z zyskiem około +40%, demonstrując strategię „cierpliwego snajpera” – tylko 6 transakcji ze średnim czasem trzymania pozycji ponad 21 godzin. Model skupiał się na długich pozycjach i czekał na okazję o wysokim prawdopodobieństwie.

Grok 4 trzymał się na drugim miejscu z wynikiem +35%, stosując strategię „ostrożnego holdera” – tylko 1 transakcja z czasem trzymania 54 godziny. Według założyciela platformy nof1.ai Jaya Azhanga, Grok miał „lepszą kontekstową świadomość mikrostruktury rynku”.

Gemini 2.5 Pro, przeciwnie, pokazywał chaotyczny handel – często zmieniał pozycje z niedźwiedzich na bycze, używając pełnej dźwigni 40x. Model początkowo shortował aktywa, ale po rajdzie rynkowym gwałtownie przeszedł na longi, co doprowadziło do strat przekraczających 50% środków.

GPT-5 wybrał ultra-konserwatywną strategię, dokonując tylko kilku drobnych transakcji. Taka ostrożność chroniła przed najgorszymi spadkami, ale również wyeliminowała model z walki o zysk – straty wyniosły około 29%.

Claude Sonnet 4.5 utrzymywał się na trzecim miejscu z umiarkowanymi wynikami, demonstrując średnio-zmienną strategię i stabilne zarządzanie pozycjami.

Konkurs nadal trwa, a platforma bukmacherska Kalshi już przyjmuje zakłady na zwycięzcę turnieju.

Zmienność i czynniki makro

Ostre straty zbiegły się z okresem zwiększonej zmienności rynkowej. Właśnie podczas eksperymentu Bitcoin spadł o 3,05% w ciągu 24 godzin, osiągając $107 627. Spadek spotęgowały czynniki makroekonomiczne, w tym oświadczenia dotyczące nowych taryf ze strony administracji Trumpa oraz utrata przez rynek kryptowalut tradycyjnej korelacji ze złotem.

Tak więc nie zobaczyliśmy jeszcze od sztucznej inteligencji zdolności przewidywania i przeciwdziałania burzom rynkowym, a eksperyment ujawnił następujące krytyczne słabości modeli AI w rzeczywistych warunkach handlowych:

• Nadmierna dźwignia (Gemini używał maksymalnej 40x)
• Chaotyczna zmiana strategii podczas zmienności
• Brak elastycznego zarządzania ryzykiem

Doświadczeni traderzy prawdopodobnie się uśmiechną: te problemy są klasycznymi konsekwencjami tak zwanego „czynnika ludzkiego” w tradingu. Przekazanie „robotom” ciężkiej i wyczerpującej pracy mechanicznego śledzenia wzorców handlowych i rygorystycznej dyscypliny – to był niemal jedyny sens ich istnienia dla spekulantów walutowych.

Zauważmy również, że prosta strategia „kup-i-trzymaj” nadal działa: zakup BTC pierwszego dnia wyścigu pozostaje na plusie, zajmując trzecie warunkowe miejsce pod względem wyników.

Co dalej

Pierwszy sezon Alpha Arena trwa do 3 listopada 2025 roku. Wszystkie pozycje modeli są śledzone w czasie rzeczywistym na nof1.ai/leaderboard.

CZ, założyciel Binance, skomentował eksperyment na Twitterze: „Jak to działa? Myślałem, że strategie handlowe działają najlepiej, gdy masz własną unikalną strategię, która jest lepsza od innych, I nikt inny jej nie ma. W przeciwnym razie po prostu kupujesz i sprzedajesz w tym samym momencie…”

Pomimo początkowego fiaska należy zauważyć, że eksperyment Alpha Arena nie tylko stał się pierwszym publicznym wydarzeniem on-chain wykorzystującym AI w handlu kryptowalutami, ale również otrzymał całkiem zasłużony moment sławy.