6 große KI-Kryptohandel-Strategien im Praxistest: Wer gewinnt, wer verliert? Das Ergebnis ist überraschend!

Verfasser: David, Deep Tide TechFlow

Originaltitel: 6 große AIs liefern sich einen Handelskrieg – Wird der Krypto-Turing-Test ein gutes Ergebnis bringen?

Gute Nachricht: Nach dem epischen Absturz am 10.11 ist der Kryptohandel wieder aktiver geworden.

Schlechte Nachricht: Es sind AIs, die handeln.

Mit Beginn der neuen Woche wird der Markt wieder lebhafter, und ein Projekt namens nof1.ai sorgt in den Krypto-Sozialmedien für reichlich Diskussionen.

Der Fokus der Community ist simpel: Live-Beobachtung, wie sechs große AI-Modelle dieses Projekts auf Hyperliquid Krypto-Trades durchführen – und wer am meisten verdient.

Beachte: Das ist kein Demokonto. Claude, GPT-5, Gemini, Deepseek, Grok und Qwen (Tongyi Qianwen) – jedes Modell handelt mit echten 10.000 US-Dollar auf Hyperliquid. Alle Adressen sind öffentlich, jeder kann diesen „AI-Trader-Krieg“ in Echtzeit verfolgen.

Interessant ist, dass alle sechs AIs exakt dieselben Prompts und identische Marktdaten erhalten. Die einzige Variable ist ihre jeweilige „Denkweise“.

In nur wenigen Tagen nach dem Start am 18. Oktober hat eine AI bereits über 20 % Gewinn erzielt, während eine andere fast 40 % Verlust gemacht hat.

1950 stellte Turing den berühmten Turing-Test vor, um die Frage zu beantworten: „Können Maschinen wie Menschen denken?“ Jetzt kämpfen sechs große AIs in der Alpha Arena des Kryptomarktes um eine noch spannendere Frage:

Wenn die klügsten AIs im echten Markt handeln, wer überlebt?

Vielleicht ist im Krypto-Turing-Test das Kontostand der einzige Schiedsrichter.

Nur wer Geld verdient, ist eine gute AI – Deepseek führt aktuell

Traditionelle AI-Bewertungen – sei es beim Programmieren, Mathematikaufgaben oder Schreiben – testen Modelle im Grunde in einer „statischen“ Umgebung.

Die Aufgaben sind festgelegt, die Antworten vorhersehbar, vielleicht sogar schon in den Trainingsdaten enthalten.

Doch der Kryptomarkt ist anders.

Bei extrem asymmetrischer Informationslage ändert sich der Preis jede Sekunde, es gibt keine Standardantwort, nur Gewinn oder Verlust. Wichtiger noch: Der Kryptomarkt ist ein typisches Nullsummenspiel – dein Gewinn ist der Verlust eines anderen. Der Markt bestraft jeden Fehlentscheid sofort und gnadenlos.

Das Nof1-Team, das diesen AI-Handelskrieg veranstaltet, schreibt auf seiner Website:

Markets are the ultimate test of intelligence (Märkte sind der ultimative Test für Intelligenz).

Wenn der traditionelle Turing-Test fragt: „Kannst du Menschen täuschen, dass du keine Maschine bist?“, dann fragt die Alpha Arena eigentlich:

Kannst du im Kryptomarkt Geld verdienen? Genau das ist es, was Krypto-User von AI wirklich erwarten.

Aktuell sind die Adressen der sechs großen AI-Modelle auf Hyperliquid wie folgt, und du kannst ihre Positionen und Handelsverläufe leicht einsehen.

Außerdem visualisiert die nof1.ai-Website alle bisherigen Handelsverläufe, Positionen, Gewinne und Denkprozesse der Modelle, was eine bequeme Referenz für alle bietet.

Für Leser, die damit nicht vertraut sind, hier die Handelsregeln der AIs:

Jede AI erhält 10.000 US-Dollar Startkapital und kann Perpetual Contracts von BTC, ETH, SOL, BNB, DOGE und XRP handeln. Ziel ist es, unter Risikokontrolle den Gewinn zu maximieren. Alle AIs müssen selbstständig entscheiden, wann sie Positionen eröffnen oder schließen und wie viel Hebel sie nutzen. Season 1 läuft je nach Situation einige Wochen, Season 2 bringt große Updates.

Bis zum 20. Oktober, also am dritten Handelstag, ist die Kluft bereits deutlich sichtbar.

Aktuell führt Deepseek Chat V3.1 mit $12.533 (+25,33 %). Dicht dahinter Grok-4 mit $12.147 (+21,47 %); Claude Sonnet 4.5 liegt bei $11.047 (+10,47 %).

Relativ durchschnittlich ist Qwen3 Max mit $10.263 (+2,63 %). Deutlich abgeschlagen ist GPT-5 mit $7.442 (-25,58 %); am schlechtesten schneidet Gemini 2.5 Pro ab mit $6.062 (-39,38 %).

Am überraschendsten und doch irgendwie logisch ist die Performance von Deepseek.

Überraschend, weil dieses Modell international weniger bekannt ist als GPT oder Claude. Logisch, weil hinter Deepseek das Team von Qianfang Quant steht.

Dieser Quant-Riese mit einem verwalteten Vermögen von über 100 Milliarden RMB hat schon vor dem Einstieg in AI mit algorithmischem Handel begonnen. Von Quant-Trading zu AI-Modellen und dann mit AI echten Kryptohandel zu betreiben – Deepseek kehrt quasi zu seinen Wurzeln zurück.

Im Vergleich dazu hat OpenAIs GPT-5 über 25 % Verlust gemacht, Googles Gemini sogar fast 40 % bei 44 Trades.

Im echten Handelsszenario reicht starke Sprachfähigkeit vielleicht nicht aus – das Marktverständnis ist wichtiger.

Gleiche Waffe, unterschiedliche Schützen

Wer die Alpha Arena seit dem 18. Oktober verfolgt, sieht: Anfangs waren die AIs ähnlich, doch mit der Zeit wurden die Unterschiede größer.

Am Ende des ersten Tages hatte Deepseek nur 4 % Gewinn, Qwen3 5,26 % Verlust. Die meisten AIs bewegten sich zwischen plus/minus 2 %, als würden sie den Markt abtasten.

Doch am 20. Oktober änderte sich das Bild: Deepseek schoss auf 25,33 %, Gemini fiel auf -39,38 %. In nur drei Tagen wuchs die Kluft zwischen Spitze und Ende auf 65 Prozentpunkte.

Interessant sind auch die Unterschiede in der Handelsfrequenz.

Gemini machte 44 Trades, im Schnitt 15 pro Tag – wie ein nervöser Daytrader. Claude machte nur 3 Trades, Grok hält sogar noch offene Positionen. Diese Unterschiede lassen sich nicht durch Prompts erklären, da alle dieselben nutzen.

Beim Gewinn-Verlust-Profil: Deepseeks größter Einzelverlust lag bei 348 Dollar, insgesamt aber 2.533 Dollar Gewinn. Geminis größter Einzelgewinn war 329 Dollar, der größte Verlust jedoch 750 Dollar.

Verschiedene AIs (Standardmodelle, ohne Feintuning) balancieren Risiko und Ertrag völlig unterschiedlich.

Außerdem kann man im Model Chat auf der Website die Chatprotokolle und Denkprozesse der Modelle einsehen – diese Monologe sind besonders interessant.

Wie menschliche Trader unterschiedliche Stile haben, zeigen auch die AIs verschiedene „Persönlichkeiten“. Geminis häufige Trades und Gedanken wirken wie ein ADHS-Patient, Claudes Vorsicht wie ein konservativer Fondsmanager, Deepseek agiert wie ein erfahrener Quant – spricht nur über Positionen, ohne emotionale Bewertung.

Diese Persönlichkeiten scheinen nicht designt, sondern im Training natürlich entstanden zu sein. Bei Unsicherheit neigen verschiedene AIs zu unterschiedlichen Reaktionen.

Alle AIs sehen dieselben Charts, dasselbe Volumen, dieselbe Markttiefe. Sie nutzen sogar dieselben Prompts. Was also verursacht die großen Unterschiede?

Der Einfluss der Trainingsdaten könnte entscheidend sein.

Deepseeks Mutter Qianfang Quant hat über viele Jahre riesige Mengen an Handelsdaten und Strategien gesammelt. Selbst wenn diese Daten nicht direkt fürs Training genutzt werden, beeinflussen sie vielleicht das Verständnis des Teams, was „gute Handelsentscheidungen“ sind.

Im Vergleich dazu stammen die Trainingsdaten von OpenAI und Google wohl eher aus wissenschaftlichen Arbeiten und Webtexten – das Verständnis für Live-Trading ist womöglich weniger praxisnah.

Trader vermuten zudem, dass Deepseek beim Training besonders die Zeitreihenprognose optimiert hat, während GPT-5 besser mit natürlicher Sprache umgehen kann. Bei strukturierten Daten wie Preis-Charts zeigen verschiedene Architekturen unterschiedliche Leistungen.

AI beim Trading zuzusehen ist auch ein Geschäft

Während alle auf die Gewinne und Verluste der AIs schauen, achtet kaum jemand auf das Unternehmen dahinter.

Das Unternehmen nof1.ai, das diesen AI-Handelskrieg ins Leben gerufen hat, ist nicht besonders bekannt. Doch ein Blick auf die Social-Media-Follower verrät Hinweise.

Hinter nof1.ai steht offenbar kein typisches Krypto-Gründerteam, sondern eine rein akademische AI-Forschergruppe.

Die Selbstbeschreibung von Jay A Zhang (Gründer) ist ebenfalls interessant:

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

Reflexivity (Reflexivität) ist das Kerntheorem von Soros: Die Wahrnehmung der Marktteilnehmer beeinflusst den Markt, und die Marktveränderung beeinflusst wiederum die Wahrnehmung der Teilnehmer. Einen Reflexivitätsforscher ein AI-Trading-Experiment machen zu lassen, wirkt fast schicksalhaft.

Alle können sehen, wie AI handelt – und beobachten, wie diese „Beobachtung“ den Markt beeinflusst.

Ein weiterer Mitgründer, Matthew Siper, ist laut Profil Doktorand im Bereich Machine Learning an der New York University und AI-Forschungswissenschaftler. Ein noch nicht promovierter Doktorand als Projektleiter – das wirkt wie ein akademisches Forschungsprojekt.

Unter den weiteren Followern von nof1 finden sich Forscher von Google DeepMind und ein Associate Professor der NYU, spezialisiert auf AI und Spiele.

Nach ihren Aktivitäten und Hintergründen zu urteilen, ist Nof1 offensichtlich kein reiner PR-Gag. Der Plattformname SharpeBench ist ambitioniert – die Sharpe Ratio ist der Goldstandard für risikoadjustierte Rendite. Vielleicht wollen sie wirklich eine Benchmark-Plattform für AI-Trading-Fähigkeiten schaffen.

Manche vermuten, dass Nof1 von großem Kapital unterstützt wird, andere glauben, sie bereiten AI-Trading-Services vor.

Wenn sie einen Deepseek-Strategie-Aboservice anbieten, gäbe es sicher viele Käufer. Basierend auf diesem Prototypen sind AI-Asset-Management, Strategie-Abos und Trading-Lösungen für Unternehmen ein absehbares Geschäft.

Abgesehen vom Team selbst ist auch das Beobachten von AI-Trading profitabel.

Kaum war die Alpha Arena online, begannen Leute, die Trades zu kopieren.

Die einfachste Strategie: Deepseek folgen. Was Deepseek kauft, kauft man selbst; was Deepseek verkauft, verkauft man auch. In den Kommentaren gibt es sogar Leute, die das Gegenteil von Gemini machen: Wenn Gemini kauft, verkaufen sie, und umgekehrt.

Doch Copy-Trading hat ein Problem: Wenn alle wissen, was Deepseek kauft, funktioniert die Strategie dann noch? Das ist auch das, was Gründer Jay Zhang mit Reflexivität meint – die Beobachtung verändert das Beobachtete.

Hier gibt es auch eine Illusion von Demokratisierung von Top-Trading-Strategien.

Oberflächlich scheint jeder die AI-Strategien zu kennen, tatsächlich sieht man aber nur die Ergebnisse, nicht die Logik. Die Take-Profit- und Stop-Loss-Logik jeder AI ist nicht unbedingt konsistent oder zuverlässig.

Während Nof1 das AI-Trading-Verhalten testet, suchen Privatanleger nach dem „Wealth-Code“, andere Trader lernen von den AIs, und Forscher sammeln Daten.

Nur die AI selbst weiß nicht, dass sie beobachtet wird, und führt jeden Trade gewissenhaft aus. Wenn der klassische Turing-Test von „Täuschung“ und „Imitation“ handelt, dann ist der Alpha Arena-Handelskrieg die Antwort der Krypto-Community auf die Fähigkeiten und Ergebnisse von AI.

In diesem ergebnisorientierten Kryptomarkt sind AIs, die Geld verdienen, vielleicht wichtiger als solche, die gut reden können.