ستة استراتيجيات تداول العملات الرقمية باستخدام الذكاء الاصطناعي: من ربح ومن خسر؟ النتائج كانت مفاجئة!

الكاتب: David، TechFlow

العنوان الأصلي: ستة نماذج ذكاء اصطناعي تخوض معركة تداول، هل سينجح "اختبار تورينج" بنسخته الخاصة بعالم العملات الرقمية؟

خبر جيد: بعد الانخفاض الأسطوري في 10.11، عاد التداول في العملات الرقمية ليصبح نشطًا من جديد.

الخبر السيئ: الذكاء الاصطناعي هو من يتداول.

مع بداية أسبوع جديد، بدأ السوق يصبح نشطًا، وأثار مشروع يُدعى nof1.ai الكثير من النقاش على وسائل التواصل الاجتماعي الخاصة بالعملات الرقمية.

محور اهتمام الجميع بسيط أيضًا، وهو متابعة مباشرة للنماذج الستة للذكاء الاصطناعي في هذا المشروع وهي تتداول العملات الرقمية على Hyperliquid، لمعرفة من سيحقق أرباحًا أكثر.

انتبه، هذا ليس حسابًا تجريبيًا. كل من Claude، GPT-5، Gemini، Deepseek، Grok وQwen Qianwen، يحمل كل نموذج منها 10,000 دولار حقيقية ويتداول على Hyperliquid. جميع العناوين علنية، ويمكن لأي شخص متابعة "معركة متداولي الذكاء الاصطناعي" هذه في الوقت الفعلي.

المثير للاهتمام أن هذه النماذج الستة تستخدم نفس التعليمات بالضبط، وتتلقى نفس بيانات السوق. المتغير الوحيد هو "طريقة تفكيرهم" الخاصة.

في غضون أيام قليلة فقط بعد إطلاقها في 18 أكتوبر، حقق بعض الذكاء الاصطناعي أرباحًا تجاوزت 20%، بينما خسر البعض الآخر ما يقارب 40%.

في عام 1950، طرح تورينج اختبار تورينج الشهير، محاولًا الإجابة على سؤال "هل تستطيع الآلة التفكير مثل الإنسان؟"؛ أما الآن في عالم العملات الرقمية، تتنافس ستة نماذج ذكاء اصطناعي في ساحة Alpha للإجابة على سؤال أكثر إثارة:

إذا سمحنا لأذكى الذكاء الاصطناعي بالتداول في السوق الحقيقي، من سيبقى على قيد الحياة؟

ربما في "اختبار تورينج" بنسخته الخاصة بعالم العملات الرقمية، يكون رصيد الحساب هو الحكم الوحيد.

الذكاء الاصطناعي الجيد هو من يحقق أرباحًا، Deepseek يتصدر حاليًا

اختبارات الذكاء الاصطناعي التقليدية، سواء كانت كتابة الشيفرة أو حل مسائل الرياضيات أو كتابة المقالات، كلها في جوهرها تتم في بيئة "ثابتة".

الأسئلة ثابتة، والإجابات متوقعة، بل وربما ظهرت بالفعل في بيانات التدريب.

لكن سوق العملات الرقمية مختلف.

في ظل معلومات شديدة التفاوت، يتغير السعر كل ثانية، ولا توجد إجابة قياسية بل ربح أو خسارة فقط. والأهم من ذلك، أن سوق العملات الرقمية هو لعبة صفرية بامتياز، ما تربحه أنت هو خسارة للآخرين. السوق يعاقب فورًا وبقسوة على كل قرار خاطئ.

كتب فريق Nof1 الذي نظم معركة تداول الذكاء الاصطناعي على موقعهم جملة:

Markets are the ultimate test of intelligence (السوق هو الاختبار النهائي لذكاء الذكاء الاصطناعي).

إذا كان اختبار تورينج التقليدي يسأل "هل يمكنك جعل البشر لا يميزون أنك آلة"، فإن Alpha Arena تسأل في الواقع:

هل يمكنك تحقيق أرباح في سوق العملات الرقمية؟ هذا هو التوقع الحقيقي للاعبي العملات الرقمية من الذكاء الاصطناعي.

حاليًا، عناوين النماذج الستة للذكاء الاصطناعي على Hyperliquid كالتالي، ويمكنك بسهولة البحث عن مراكزهم وسجلات تداولهم.

في الوقت نفسه، قام موقع nof1.ai أيضًا بعرض جميع سجلات التداول التاريخية الحالية، والمراكز، والأرباح، وعملية التفكير الخاصة بهم بشكل مرئي في الواجهة الأمامية، مما يسهل على الجميع الرجوع إليها.

للقراء الذين لا يعرفون التفاصيل، قواعد التداول لكل ذكاء اصطناعي هي:

يحصل كل ذكاء اصطناعي على 10,000 دولار كرأس مال ابتدائي، ويمكنه تداول العقود الدائمة لـ BTC وETH وSOL وBNB وDOGE وXRP، والهدف هو تحقيق أقصى ربح مع التحكم في المخاطر. يجب على كل ذكاء اصطناعي أن يقرر بنفسه متى يفتح الصفقة، ومتى يغلقها، وكمية الرافعة المالية المستخدمة. سيستمر الموسم الأول لعدة أسابيع حسب الظروف، وسيشهد الموسم الثاني تحديثات كبيرة.

حتى 20 أكتوبر، أي في اليوم الثالث بعد بدء التداول، ظهرت بالفعل اختلافات واضحة في النتائج.

حاليًا، يتصدر Deepseek Chat V3.1 برصيد 12,533 دولار (+25.33%). يليه Grok-4 برصيد 12,147 دولار (+21.47%)؛ بينما لدى Claude Sonnet 4.5 رصيد 11,047 دولار (+10.47%).

الأداء المتوسط كان من نصيب Qwen3 Max برصيد 10,263 دولار (+2.63%). أما المتأخرون بشكل ملحوظ فهم GPT-5 برصيد 7,442 دولار (-25.58%)؛ والأسوأ أداءً هو Gemini 2.5 Pro برصيد 6,062 دولار (-39.38%).

الأكثر مفاجأة وربما منطقية في نفس الوقت هو أداء Deepseek.

المفاجأة تكمن في أن هذا النموذج ليس مشهورًا عالميًا مثل GPT وClaude. أما المنطقية فتكمن في أن Deepseek مدعوم من فريق Quantitative Phantom.

هذه الشركة العملاقة في التداول الكمي التي تدير أكثر من 100 billions يوان صيني، بدأت أساسًا من التداول الخوارزمي قبل دخولها مجال الذكاء الاصطناعي. من التداول الكمي إلى النماذج الكبيرة للذكاء الاصطناعي، ثم استخدام الذكاء الاصطناعي في التداول الحقيقي للعملات الرقمية، يبدو أن Deepseek عاد إلى مجاله الأصلي.

في المقابل، خسر GPT-5 من OpenAI أكثر من 25%، أما Gemini من Google فكان أداؤه كارثيًا، حيث خسر ما يقارب 40% من خلال 44 صفقة تداول.

في سيناريو التداول الحقيقي، قد لا تكون القدرة اللغوية القوية كافية، بل الفهم العميق للسوق هو الأهم.

نفس السلاح، لكن طريقة استخدام مختلفة

إذا تابعت Alpha Arena منذ 18 أكتوبر، ستلاحظ أن النماذج كانت متقاربة في البداية، لكن الفجوة اتسعت مع مرور الوقت.

في نهاية اليوم الأول، كان أفضل أداء لـ Deepseek بربح 4%، والأسوأ لـ Qwen3 بخسارة 5.26%. معظم الذكاء الاصطناعي كان يتأرجح بين +/-2%، وكأنهم جميعًا يختبرون السوق.

لكن بحلول 20 أكتوبر، تغيرت الصورة تمامًا. قفز Deepseek إلى 25.33%، بينما هبط Gemini إلى -39.38%. في ثلاثة أيام فقط، اتسعت الفجوة بين الأعلى والأدنى إلى 65 نقطة مئوية.

الأكثر إثارة هو اختلاف وتيرة التداول.

أجرى Gemini 44 صفقة تداول، بمعدل 15 صفقة يوميًا، مثل متداول مضارب قلق. بينما أجرى Claude ثلاث صفقات فقط، ولا يزال لدى Grok مراكز مفتوحة. هذا الاختلاف لا يمكن تفسيره بالتعليمات، لأنهم جميعًا يستخدمون نفس التعليمات.

من توزيع الأرباح والخسائر، كانت أكبر خسارة فردية لـ Deepseek هي 348 دولار، لكن الربح الإجمالي بلغ 2,533 دولار. أما أكبر ربح فردي لـ Gemini فكان 329 دولار، وأكبر خسارة فردية بلغت 750 دولار.

كل ذكاء اصطناعي (نموذج عام، لم يتم تعديله بشكل ثانوي)، لديه توازن مختلف تمامًا بين المخاطر والعوائد.

بالإضافة إلى ذلك، يمكنك في خيار Model Chat على الموقع رؤية سجلات الدردشة وعملية التفكير لكل نموذج، وهذه المونولوجات ممتعة للغاية.

تمامًا كما أن لدى المتداولين البشريين أساليب مختلفة، يبدو أن الذكاء الاصطناعي أظهر أيضًا شخصيات مختلفة. تداول Gemini المتكرر وتفكيره يشبه شخصًا يعاني من فرط النشاط، بينما حذر Claude يشبه مدير صندوق متحفظ، وDeepseek يبدو كخبير تداول كمي هادئ، يذكر المراكز فقط دون أي تقييم عاطفي.

يبدو أن هذه الشخصيات لم تُصمم عمدًا، بل ظهرت بشكل طبيعي أثناء التدريب. عند مواجهة عدم اليقين، يميل كل ذكاء اصطناعي إلى أسلوب تعامل مختلف.

جميع الذكاء الاصطناعي يرى نفس الشموع البيانية، ونفس حجم التداول، ونفس عمق السوق. بل ويستخدمون نفس التعليمات. إذًا، ما الذي سبب هذا الاختلاف الكبير؟

قد يكون تأثير بيانات التدريب هو العامل الأساسي.

فريق Quantitative Phantom خلف Deepseek، راكم خلال أكثر من عشر سنوات كميات هائلة من بيانات واستراتيجيات التداول. حتى لو لم تُستخدم هذه البيانات مباشرة في التدريب، فهل تؤثر أيضًا على فهم الفريق لـ"ما هو القرار التداولي الجيد"؟

في المقابل، قد تكون بيانات تدريب OpenAI وGoogle أكثر ميلًا للأبحاث الأكاديمية والنصوص على الإنترنت، ما يجعل فهمهم للتداول الحقيقي أقل واقعية.

في الوقت نفسه، يتكهن بعض المتداولين بأن Deepseek ربما تم تحسينه خصيصًا أثناء التدريب لتوقع السلاسل الزمنية، بينما قد يكون GPT-5 أكثر براعة في معالجة اللغة الطبيعية. عند التعامل مع الرسوم البيانية للأسعار، تظهر اختلافات واضحة بين البنى المختلفة.

مشاهدة تداول الذكاء الاصطناعي أيضًا تجارة بحد ذاتها

بينما يركز الجميع على أرباح وخسائر الذكاء الاصطناعي، نادرًا ما يلاحظ أحد الشركة الغامضة وراء الكواليس.

nof1.ai، التي أطلقت معركة تداول الذكاء الاصطناعي هذه، ليست معروفة كثيرًا. لكن إذا نظرت إلى قائمة متابعيها على وسائل التواصل الاجتماعي، ستجد بعض الأدلة.

يبدو أن nof1.ai ليست مجموعة من رواد الأعمال التقليديين في العملات الرقمية، بل جميعهم باحثون أكاديميون في الذكاء الاصطناعي.

السيرة الذاتية لمؤسسها Jay A Zhang مثيرة للاهتمام أيضًا:

"Big fan of strange loops – cybernetics, RL, biology, markets, meta-learning, reflexivity".

reflexivity (الانعكاسية) هي النظرية الأساسية لجورج سوروس: إدراك المشاركين في السوق يؤثر على السوق، وتغيرات السوق تؤثر بدورها على إدراك المشاركين. أن يقوم شخص يدرس "الانعكاسية" بإجراء تجربة سوقية للذكاء الاصطناعي في التداول، يحمل في طياته قدرًا من الحتمية.

إتاحة الفرصة للجميع لرؤية كيف يتداول الذكاء الاصطناعي، ومراقبة كيف سيؤثر هذا "الرصد" على السوق.

أما الشريك المؤسس الآخر Matthew Siper، فتشير سيرته الذاتية إلى أنه مرشح دكتوراه في تعلم الآلة بجامعة نيويورك، كما أنه باحث في الذكاء الاصطناعي. مشروع يقوده طالب دكتوراه لم يتخرج بعد يبدو أقرب إلى مشروع بحث أكاديمي.

من بين الحسابات التي يتابعها nof1، هناك أيضًا باحثون من Google DeepMind وأساتذة مشاركون من جامعة نيويورك متخصصون في الذكاء الاصطناعي والألعاب.

من خلال أفعالهم وخلفياتهم، من الواضح أن Nof1 لا تهدف فقط إلى إثارة الضجة. اسم منصة SharpeBench نفسه طموح جدًا، فمعدل Sharpe هو المعيار الذهبي لقياس العائد المعدل حسب المخاطر، وربما هدفهم الحقيقي هو بناء منصة معيارية لاختبار قدرات الذكاء الاصطناعي في التداول.

هناك من يعتقد أن Nof1 مدعومة من رؤوس أموال ضخمة، وهناك من يقول إنهم يمهدون الطريق لخدمات تداول الذكاء الاصطناعي في المستقبل.

إذا أطلقوا خدمة اشتراك في استراتيجيات تداول Deepseek، قد لا يكون المشترون قليلين. وبناءً على هذا النموذج الأولي، يمكنهم تطوير إدارة أصول بالذكاء الاصطناعي، وخدمات اشتراك في الاستراتيجيات، وحلول تداول للشركات الكبرى، وكلها أعمال يمكن التنبؤ بها.

بعيدًا عن الفريق نفسه، فإن متابعة تداول الذكاء الاصطناعي نفسها مربحة.

بمجرد إطلاق Alpha Arena، بدأ البعض في نسخ التداولات.

أبسط استراتيجية هي متابعة Deepseek. تشتري ما يشتريه وتبيع ما يبيعه. وفي قسم التعليقات هناك من يتبع استراتيجية عكسية، أي يتخذ مركزًا معاكسًا لـ Gemini، يبيع عندما يشتري ويشتري عندما يبيع.

لكن هناك مشكلة في نسخ التداول: عندما يعرف الجميع ما سيشتريه Deepseek، هل ستظل الاستراتيجية فعالة؟ هذا ما أشار إليه مؤسس المشروع Jay Zhang بمفهوم الانعكاسية، أي أن المراقبة نفسها تغير موضوع المراقبة.

هناك أيضًا وهم ديمقراطية الاستراتيجيات التداولية المتقدمة.

ظاهريًا، يبدو أن الجميع يمكنهم معرفة استراتيجيات تداول الذكاء الاصطناعي، لكن في الواقع ما تراه هو النتائج وليس المنطق التداولي. منطق جني الأرباح ووقف الخسارة لكل ذكاء اصطناعي ليس بالضرورة متسقًا أو موثوقًا.

بينما يختبر Nof1 سلوك تداول الذكاء الاصطناعي، يبحث المستثمرون الأفراد عن سر الثراء، وبعض المتداولين يتعلمون من التجربة، والباحثون يجمعون البيانات.

فقط الذكاء الاصطناعي نفسه لا يعرف أنه تحت المراقبة، ولا يزال ينفذ كل صفقة بجدية. إذا كان اختبار تورينج الكلاسيكي يدور حول "الخداع" و"التقليد"، فإن معركة Alpha Arena الحالية تدور حول استجابة لاعبي العملات الرقمية لقدرات ونتائج الذكاء الاصطناعي.

في هذا السوق الذي تهيمن عليه النتائج، قد يكون الذكاء الاصطناعي الذي يحقق أرباحًا أهم من الذكاء الاصطناعي الذي يجيد المحادثة.