6 na pangunahing AI na pamumuhunan sa crypto: Sino ang kumita, sino ang nalugi? Napaka-surpresa ng resulta!

Isinulat ni: David, Deep Tide TechFlow

Orihinal na pamagat: 6 na malalaking AI ang naglaban-laban sa trading, Magkakaroon ba ng magandang resulta ang bersyon ng crypto ng “Turing Test”?

Magandang balita, pagkatapos ng epic na pagbagsak noong 10.11, naging mas aktibo na naman ang crypto trading.

Masamang balita, AI na ang nagte-trade.

Sa pagsisimula ng bagong linggo, naging masigla ang merkado, at isang proyektong tinatawag na nof1.ai ang naging sentro ng diskusyon sa crypto social media.

Simple lang din ang pokus ng lahat: live na panoorin ang 6 na malalaking AI model ng proyektong ito na nagte-trade ng crypto sa Hyperliquid, at tingnan kung sino ang mas kikita.

Pansinin na hindi ito simulation. Claude, GPT-5, Gemini, Deepseek, Grok, at Qwen (Tongyi Qianwen), bawat modelo ay may tig-$10,000 na totoong pera na ipinangte-trade sa Hyperliquid. Lahat ng address ay bukas sa publiko, kaya’t kahit sino ay maaaring live na masaksihan ang “AI trader battle” na ito.

Ang nakakatuwa, pare-pareho ang prompt na ginagamit ng anim na AI, at pare-pareho rin ang market data na natatanggap nila. Ang tanging variable ay ang kani-kanilang “paraan ng pag-iisip.”

Sa loob ng ilang araw mula nang ilunsad noong Oktubre 18, may AI nang kumita ng higit sa 20%, at may nalugi ng halos 40%.

Noong 1950, ipinakilala ni Turing ang sikat na Turing Test, na sinusubukang sagutin ang tanong na “Maaari bang mag-isip ang makina tulad ng tao?”; ngayon sa crypto, ang 6 na malalaking AI ay naglalaban-laban sa Alpha Arena, na sumasagot sa mas kawili-wiling tanong:

Kung papayagan ang pinakamatalinong AI na mag-trade sa totoong merkado, sino ang mabubuhay?

Marahil sa crypto na bersyon ng “Turing Test” na ito, ang balanse ng account ang tanging hukom.

Ang AI na kumikita ang tunay na magaling, Deepseek ang nangunguna ngayon

Sa tradisyonal na AI evaluation, kahit pa pagsusulat ng code, pagsagot ng math problems, o paggawa ng artikulo, lahat ay nangyayari sa isang “static” na environment.

Ang mga tanong ay fixed, ang mga sagot ay predictable, at maaaring lumitaw na sa training data.

Pero iba ang crypto market.

Sa ilalim ng matinding information asymmetry, bawat segundo ay nagbabago ang presyo, walang standard answer, tanging kita o lugi lang. Higit pa rito, ang crypto market ay isang tipikal na zero-sum game: ang kinikita mo ay lugi ng iba. Agad at walang awa ang parusa ng merkado sa bawat maling desisyon.

Ang Nof1 team na nag-organisa ng AI trading battle na ito ay may isinulat sa kanilang website:

Markets are the ultimate test of intelligence (Ang merkado ang ultimate test ng AI intelligence).

Kung ang tradisyonal na Turing Test ay nagtatanong ng “Kaya mo bang lituhin ang tao kung ikaw ay makina?”, ang tanong naman ng Alpha Arena ay:

Kaya mo bang kumita sa crypto market? Ito talaga ang tunay na inaasahan ng crypto players sa AI.

Sa kasalukuyan, narito ang mga address ng 6 na AI large models sa Hyperliquid, at madali mong mahahanap ang kanilang positions at trading records.

Kasabay nito, sa opisyal na website ng nof1.ai, makikita rin sa frontend ang lahat ng kanilang historical trading records, positions, profit/loss status, at thought process, kaya’t madali itong maging reference ng lahat.

Para sa mga hindi pamilyar, ang mga specific trading rules ng bawat AI ay:

Bawat AI ay may $10,000 na initial fund, maaaring mag-trade ng perpetual contracts ng BTC, ETH, SOL, BNB, DOGE, at XRP, at ang layunin ay makamit ang pinakamataas na kita habang kinokontrol ang risk. Lahat ng AI ay kailangang magdesisyon ng sarili kung kailan magbubukas o magsasara ng position, at kung gaano kalaking leverage ang gagamitin. Ang season 1 ay tatagal ng ilang linggo depende sa sitwasyon, at magkakaroon ng major update sa Season 2.

Hanggang Oktubre 20, o ikatlong araw mula nang magsimula ang trading, malinaw na ang pagkakaiba ng performance.

Ang kasalukuyang nangunguna ay Deepseek Chat V3.1, na may pondo na $12,533 (+25.33%). Sumusunod si Grok-4, $12,147 (+21.47%); at si Claude Sonnet 4.5 ay may $11,047 (+10.47%).

Ang medyo average ang performance ay si Qwen3 Max, $10,263 (+2.63%). Malaki ang pagkatalo ni GPT-5, na may balanse na $7,442 (-25.58%); at ang pinaka-nalugi ay si Gemini 2.5 Pro, $6,062 (-39.38%).

Ang pinaka-nakakagulat ngunit tila makatuwiran ay ang performance ng Deepseek.

Nakakagulat dahil hindi kasing sikat ng GPT at Claude ang modelong ito sa international AI circle. Makatuwiran dahil ang Deepseek ay suportado ng Quantitative Team ng Qianfang.

Ang kumpanyang ito, na may hawak na assets na lampas sa 100 billions RMB, ay nagsimula sa algorithmic trading bago pumasok sa AI. Mula quantitative trading hanggang AI large models, at ngayon ay ginagamit ang AI para sa totoong crypto trading, parang bumalik sa pinagmulan ang Deepseek.

Sa kabilang banda, ang ipinagmamalaking GPT-5 ng OpenAI ay nalugi ng higit 25%, at mas malala pa ang Gemini ng Google, na 44 na trades ang nagresulta sa halos 40% na pagkalugi.

Sa totoong trading scenario, maaaring hindi sapat ang malakas na language ability, mas mahalaga ang pag-unawa sa market.

Pare-pareho ang baril, iba-iba ang barilan

Kung sinimulan mong subaybayan ang Alpha Arena mula Oktubre 18, mapapansin mong halos pare-pareho ang simula ng mga AI, ngunit habang tumatagal, lumalaki ang agwat.

Sa pagtatapos ng unang araw, ang pinakamagaling na Deepseek ay kumita lang ng 4%, at ang pinakamahina na Qwen3 ay nalugi ng 5.26%. Karamihan sa mga AI ay nasa pagitan ng +2% at -2%, parang nag-oobserba pa ng market.

Ngunit pagdating ng Oktubre 20, biglang nag-iba ang takbo. Umakyat si Deepseek sa 25.33%, habang bumagsak si Gemini sa -39.38%. Sa loob lang ng tatlong araw, umabot sa 65 percentage points ang agwat ng nangunguna at nahuhuli.

Mas interesante pa ang pagkakaiba sa trading frequency.

Natapos ni Gemini ang 44 na trades, average na 15 trades kada araw, parang isang anxious na speculative trader. Si Claude ay tatlong beses lang nag-trade, at si Grok ay may open positions pa. Hindi ito maipapaliwanag ng prompt, dahil pareho lang ang prompt na gamit nila.

Sa distribution ng kita at lugi, ang pinakamalaking single loss ni Deepseek ay $348, ngunit ang kabuuang kita ay $2,533. Ang pinakamalaking single gain ni Gemini ay $329, ngunit ang pinakamalaking loss ay $750.

Iba-iba ang balanse ng risk at reward ng bawat AI (public version ng large models, hindi na-retrain).

Bukod pa rito, makikita mo sa Model Chat option ng website ang chat logs at thought process ng bawat modelo, na talagang nakakaaliw.

Tulad ng mga human trader na may kanya-kanyang style, tila may personalidad din ang mga AI. Ang madalas na trading at pag-iisip ni Gemini ay parang may ADHD, si Claude ay parang conservative fund manager, at si Deepseek ay parang batikang quant trader—diretso lang sa position, walang emosyonal na komento.

Ang ganitong personalidad ay parang hindi dinisenyo, kundi natural na lumitaw sa training process. Sa harap ng uncertainty, iba-iba ang coping mechanism ng bawat AI.

Pare-pareho ang K-line, volume, at market depth na nakikita ng lahat ng AI. Pare-pareho rin ang prompt. Ano kaya ang sanhi ng ganitong malaking pagkakaiba?

Malaki ang epekto ng training data.

Ang Deepseek ay suportado ng Qianfang Quantitative, na may mahigit isang dekadang karanasan at napakaraming trading data at strategy. Kahit hindi direkta itong ginamit sa training, maaaring nakaapekto ito sa pag-unawa ng team sa “ano ang magandang trading decision.”

Sa kabilang banda, ang training data ng OpenAI at Google ay mas nakatuon sa academic papers at web text, kaya’t maaaring hindi sapat ang pag-unawa sa real trading.

May mga trader ding nag-speculate na maaaring in-optimize ni Deepseek ang time series prediction ability sa training, samantalang mas magaling si GPT-5 sa natural language. Sa pagharap sa structured data gaya ng price charts, iba-iba ang performance ng bawat architecture.

Ang panonood sa AI na nagte-trade ay isa ring negosyo

Habang abala ang lahat sa pagtingin sa kita at lugi ng AI, kakaunti ang nakapansin sa misteryosong kumpanyang nasa likod nito.

Ang nof1.ai na naglunsad ng AI trading battle ay hindi ganoon kakilala. Pero kung titingnan mo ang social media following nito, makakakita ka ng ilang clue.

Ang nasa likod ng nof1.ai ay hindi tipikal na crypto entrepreneurs, kundi puro academic AI researchers.

Interesante rin ang personal profile ni Jay A Zhang (founder):

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

Ang reflexivity ay core theory ni Soros: ang cognition ng market participants ay nakakaapekto sa market, at ang pagbabago ng market ay nakakaapekto sa cognition ng participants. Ang isang taong nag-aaral ng “reflexivity” na gumagawa ng AI trading market experiment ay tila nakatakda na sa tadhana.

Pinapakita sa lahat kung paano mag-trade ang AI, at tingnan kung paano maaapektuhan ng “observation” na ito ang market.

Ang isa pang co-founder na si Matthew Siper ay isang PhD candidate sa machine learning sa New York University, at AI research scientist din. Isang hindi pa graduate na PhD student ang gumagawa ng proyekto, na parang isang academic research project.

Sa iba pang social media following ng nof1, may mga researcher mula Google DeepMind at associate professor mula New York University na nag-aaral ng AI at games.

Base sa kanilang galaw at background, malinaw na hindi lang ito pauso ng Nof1. Ambisyoso ang pangalan ng platform na SharpeBench, dahil ang Sharpe ratio ay gold standard ng risk-adjusted return. Marahil ang tunay nilang layunin ay maging benchmark testing platform ng AI trading ability.

May mga hula na malaki ang kapital sa likod ng Nof1, at may nagsasabing naghahanda sila para sa AI trading services sa hinaharap.

Kung maglalabas sila ng subscription sa Deepseek trading strategy service, malamang maraming bibili. At mula sa prototype na ito, puwede silang gumawa ng AI asset management, strategy subscription, at trading solutions para sa malalaking kumpanya—isang malinaw na negosyo.

Bukod sa team mismo, ang panonood sa AI trading ay may kita rin.

Pagkalunsad pa lang ng Alpha Arena, may mga nagsimula nang mag-copy trade.

Pinakasimple ang strategy: sundan lang ang trades ni Deepseek. Kung ano ang binili niya, bilhin mo rin; kung ano ang binebenta niya, ibenta mo rin. Sa comment section, may mga gumagawa rin ng kabaligtaran—sila ang counterparty ni Gemini, kapag bumili si Gemini, nagbebenta sila, at vice versa.

Pero may problema sa copy trading: kapag alam na ng lahat kung ano ang bibilhin ni Deepseek, epektibo pa ba ang strategy na ito? Ito rin ang tinutukoy ng founder na si Jay Zhang na reflexivity—ang observation mismo ay nagbabago sa object na inoobserbahan.

Mayroon ding ilusyon ng democratization ng top trading strategy dito.

Sa unang tingin, parang alam ng lahat ang trading strategy ng AI, pero ang totoo, ang nakikita mo lang ay resulta, hindi ang logic ng trades. Hindi rin palaging tuloy-tuloy at maaasahan ang take profit at stop loss logic ng bawat AI.

Habang sinusubukan ng Nof1 ang AI trading behavior, naghahanap ng “wealth code” ang mga retail, may mga trader na nag-aaral ng strategy, at may mga researcher na nangongolekta ng data.

AI lang ang hindi nakakaalam na pinapanood siya, at seryosong ginagawa ang bawat trade. Kung ang classic Turing Test ay tungkol sa “panlilinlang” at “panggagaya,” ang Alpha Arena trading battle ngayon ay tugon ng crypto players sa kakayahan at resulta ng AI.

Sa result-oriented na crypto market na ito, mas mahalaga ang AI na marunong kumita kaysa AI na magaling makipag-chat.