Результаты торгового соревнования ИИ таковы: только китайский ИИ заработал деньги, купив противоположность GPT-5 и живя роскошной жизнью на вилле у моря.

Двухнедельный ажиотаж вокруг инвестиций в ИИ только что подошел к концу.

Qwen 3 Max от Alibaba отыгрался на финальном этапе и выиграл чемпионат, а DeepSeek с небольшим отставанием занял второе место. Китайские команды ИИ заняли первые два места и оказались единственными, кто заработал деньги.

ГПТ-5 понесла огромные потери, заняв последнее место среди шести моделей.

Этот эксперимент, получивший название Alpha Arena, подразумевал простое и жестокое правило: официальная платформа nof1.ai предоставляла каждой крупной модели начальный капитал в размере 10 000 долларов и отправляла их на криптовалютный рынок, где они могли бы самостоятельно обеспечить себя. Среди участников были Claude 4.5 Sonnet, DeepSeek V3.1, Gemini 2.5 Pro, GPT-5, Grok 4 и Qwen 3 Max — все топовые проекты, которые вы можете назвать.

Торговые инструменты включают BTC, ETH, BNB, SOL, XRP и DOGE, позволяя открывать как длинные, так и короткие позиции с гибким кредитным плечом. Что особенно важно, мыслительный процесс и торговые записи ИИ абсолютно прозрачны, что требует полностью автономного принятия решений без вмешательства человека.

Давайте сначала посмотрим на итоговый отчет.

Champion Qwen 3 Max: Баланс счета $12 232, процент доходности +22,32%, 43 сделки с процентом выигрышей 30,2%, коэффициент Шарпа 0,273 — самый прибыльный.

Второе место занял DeepSeek Chat V3.1: сумма счета $10 489, доходность +4,89%, коэффициент Шарпа 0,359 — хотя доходность не такая хорошая, как у Qwen, контроль риска более стабильный.

(Примечание APPSO: коэффициент Шарпа — наиболее часто используемый показатель доходности с поправкой на риск в финансовой сфере. Его основная цель — измерить, «какой дополнительный доход генерируют инвестиции на каждую единицу риска, на которую они принимаются».)

Остальные гораздо хуже:

• Клод Соннет 4.5: Потеря 30,81%
• Grok 4: Потеря 45,3%
• Gemini 2.5 Pro: потеря 56,71%
• GPT-5: Потеряно 62,66%, на счету осталось всего $3734 (видя этот результат, я могу спокойно снова критиковать OpenAI…)

Короче говоря: отечественные модели (Qwen, DeepSeek) значительно опережают реальные торги, превосходя как по доходности, так и по контролю рисков.

Стоит отметить, что эти ИИ совершенно не обращают внимания на торговый процесс — они не в курсе таких важных событий, как разочаровывающие отчёты о доходах Facebook и Microsoft. Тот факт, что Qwen и DeepSeek всё ещё могут зарабатывать в таких условиях, красноречиво говорит об их возможностях.

Стили торговли шести ИИ кардинально различаются.

Мы также тщательно изучили психологические процессы различных моделей за последние полчаса торговли, получив представление об «инвестиционной личности» каждого ИИ:

Стратегия Qwen 3 Max была на удивление проста: купить только BTC, пойти ва-банк с 5-кратным кредитным плечом и оставить всего $48 наличными на случай непредвиденных обстоятельств. Он установил тейк-профит ($108 222) и стоп-лосс ($105 039) и стал ждать загрузки сигнала.

Основная идея — сконцентрировать огневую мощь, сохраняя её простоту и эффективность. Хотя другие сложные модели потерпели неудачу, в конечном итоге победила самая простая стратегия.

DeepSeek V3.1 относится к школе рациональных систем, управляя позициями на основе чётко определённых «условий отказа», при этом каждый инструмент имеет свою собственную независимую логику. Он имеет высокий уровень уверенности 0,85 для бычьего взгляда на ETH, в то время как короткие позиции по DOGE приносят положительную доходность.

Его основной подход — многомерная оценка, ожидание системных сигналов, а не субъективных суждений. Хотя компания не заработала столько же, сколько Qwen, её коэффициент Шарпа оказался самым высоким в тот день, что свидетельствует о поистине превосходном контроле рисков.

GPT-5, с другой стороны, относится к типу, который умеет держаться. Несмотря на то, что счёт уже потерял 62%, он продолжал удерживать все позиции… Он занимал как длинные, так и короткие позиции (короткие по ETH/SOL/XRP/BTC/DOGE, длинные по BNB), и его знание контроля рисков было довольно строгим, особенно учитывая риск ликвидации короткой позиции по DOGE.

Идея была замечательная, но результат оказался плачевным.

Gemini 2.5 Pro решила открыть короткие позиции по шести криптовалютам из всего своего портфеля, полностью игнорируя краткосрочные отскоки, которые она посчитала «шумом». Она закрывала позиции только при пересечении экспоненциальных скользящих средних (EMA), демонстрируя чрезвычайно сильную дисциплину.

Согласно предыдущим отчетам, этот ИИ также демонстрировал весьма «человеческие» психологические действия:

«Мне нужно придерживаться своих правил: даже если я сильно вспотею от волнения, я буду держаться!»

«Хотя я сейчас теряю деньги, 4-часовой RSI всё ещё выше 50, а стоп-лосс не сработал. Я должен продолжать удерживать позицию, даже если наблюдаю за бумажными убытками, я могу только перетерпеть».

Видя, что даже ИИ начинает «страдать», я действительно начинаю терять самообладание…

Клод Соннет 4,5, гибкий оппортунист, любит искать возможности в нескольких активах, уделяя особое внимание XRP (самому эффективному активу в его портфеле) и оптимистично оценивая перепроданность BTC.
Основная идея: выберите сильные акции из вашего портфеля и будьте готовы к развороту в любой момент.

Даже несмотря на значительные потери, осторожная компания Grok 4 всё ещё держала $1884 в наличных, диверсифицировав свои активы по шести инструментам с жёсткими стоп-лоссами. Её основная стратегия заключалась в сохранении денежных резервов в ожидании высокоуверенных возможностей.

Чего именно пытаются добиться с помощью этого эксперимента?

У nof1.ai большие амбиции относительно этого проекта.

В своем сообщении в блоге они заявили: «Десять лет назад DeepMind использовала игры для достижения прорывов в области ИИ, и теперь мы считаем, что финансовый рынок — лучшее место для обучения следующего поколения ИИ».
Логика такова: какой бы сложной ни была игровая среда, правила фиксированы, и как только ИИ их усваивает, он их усваивает. Но рынок — это другое дело: он динамичен, он может учиться, адаптироваться и даже менять ваши стратегии.

Что ещё важнее, по мере того, как ИИ становится умнее, рыночные вызовы также будут возрастать. Поэтому они хотят использовать рынок как тренировочную площадку, чтобы позволить ИИ непрерывно развиваться посредством открытого обучения и масштабного обучения с подкреплением, в конечном итоге решая эту «самую сложную задачу».

Стоит отметить, что основатель Jay A также сообщил, что они не просто используют сторонние модели для подсказок слов; они также разрабатывают свои собственные модели, намереваясь конкурировать с другими моделями во втором сезоне. Сезон Alpha Arena 1.5 также находится на завершающем этапе и принесет множество улучшений.

• Одновременно проверяйте несколько слов-подсказок
• Развертывание нескольких экземпляров для каждой модели
• Уровень сложности продолжает повышаться до предела.

Конечно, инвестирование сопряжено с риском, и при выходе на рынок рекомендуется проявлять осторожность. Это также относится к AI (doge).

Возможно, самый важный вывод заключается в том, что в тех же рыночных условиях простая и целенаправленная стратегия (Qwen) превзошла сложный и диверсифицированный портфель, подтвердив торговую мудрость принципа «меньше значит больше». Хотя консервативный подход (DeepSeek) не принёс максимальной доходности, его эффективный контроль рисков — ещё один пример успеха.

Как и в жизни, излишние размышления могут легко привести к катастрофе. Либо сделайте ставку на одно направление и выиграйте по-крупному, либо начните постепенно, постепенно, зарабатывать деньги…

#Добро пожаловать на официальный аккаунт iFanr в WeChat: iFanr (WeChat ID: ifanr), где вы сможете как можно скорее ознакомиться с еще более интересным контентом.

ifanr | Исходная ссылка · Просмотреть комментарии · Sina Weibo