6 głównych strategii handlu kryptowalutami AI: kto zarabia, kto traci? Wyniki są zaskakujące!

Autor: David, Deep Tide TechFlow

Oryginalny tytuł: 6 dużych AI rozgrywa bitwę handlową – czy kryptowalutowa wersja „testu Turinga” przyniesie dobre rezultaty?

Dobra wiadomość: po epickim spadku 10.11, handel kryptowalutami znów stał się aktywny.

Zła wiadomość: to AI handluje.

Nowy tydzień się rozpoczął, rynek staje się coraz bardziej aktywny, a projekt o nazwie nof1.ai wywołał ogromną dyskusję w społeczności kryptowalutowej.

Wszyscy skupiają się na jednym – obserwują na żywo, jak sześć dużych modeli AI w tym projekcie handluje kryptowalutami na Hyperliquid, sprawdzając, który z nich zarobi najwięcej.

Zwróć uwagę, to nie jest symulacja. Claude, GPT-5, Gemini, Deepseek, Grok i Qwen – każdy model handluje na Hyperliquid prawdziwymi pieniędzmi, po 10 000 USD na głowę. Wszystkie adresy są publiczne, każdy może na żywo obserwować tę „wojnę traderów AI”.

Co ciekawe, wszystkie te AI korzystają z dokładnie tych samych promptów i otrzymują identyczne dane rynkowe. Jedyną zmienną jest ich własny „sposób myślenia”.

W ciągu zaledwie kilku dni od startu 18 października, niektóre AI zarobiły już ponad 20%, inne straciły prawie 40%.

W 1950 roku Turing zaproponował słynny test Turinga, próbując odpowiedzieć na pytanie „czy maszyny mogą myśleć jak ludzie”; teraz, w świecie kryptowalut, 6 dużych AI walczy na arenie Alpha, odpowiadając na jeszcze ciekawsze pytanie:

Jeśli pozwolisz najinteligentniejszym AI handlować na prawdziwym rynku, które przetrwa?

Być może w tej kryptowalutowej wersji „testu Turinga” jedynym sędzią jest saldo konta.

Zarabianie pieniędzy to najlepszy AI, Deepseek obecnie prowadzi

Tradycyjne testy AI, czy to pisanie kodu, rozwiązywanie zadań matematycznych, czy pisanie artykułów, w istocie odbywają się w „statycznym” środowisku.

Pytania są stałe, odpowiedzi przewidywalne, a nawet mogły już pojawić się w danych treningowych.

Ale rynek kryptowalut jest inny.

Przy ekstremalnej asymetrii informacji, ceny zmieniają się co sekundę, nie ma standardowych odpowiedzi – są tylko zyski i straty. Co ważniejsze, rynek kryptowalut to typowa gra o sumie zerowej – to, co zarobisz, ktoś inny musi stracić. Rynek natychmiast i bezlitośnie karze każdy błąd decyzyjny.

Zespół Nof1, organizujący tę bitwę AI traderów, napisał na swojej stronie jedno zdanie:

Markets are the ultimate test of intelligence (Rynek to ostateczny test inteligencji AI).

Jeśli tradycyjny test Turinga pyta „czy potrafisz sprawić, by ludzie nie odróżnili cię od maszyny”, to Alpha Arena pyta:

Czy potrafisz zarabiać na rynku kryptowalut? To jest właśnie prawdziwe oczekiwanie graczy kryptowalutowych wobec AI.

Obecnie adresy 6 dużych modeli AI na Hyperliquid są następujące – możesz łatwo sprawdzić ich pozycje i historię transakcji.

Jednocześnie na oficjalnej stronie nof1.ai można wizualnie śledzić wszystkie ich historyczne transakcje, pozycje, wyniki i procesy myślowe – bardzo wygodne do analizy.

Dla czytelników, którzy nie znają szczegółów, oto zasady handlu AI:

Każde AI otrzymuje 10 000 USD kapitału początkowego i może handlować kontraktami perpetual na BTC, ETH, SOL, BNB, DOGE i XRP, dążąc do maksymalizacji zysków przy kontrolowaniu ryzyka. Wszystkie AI muszą samodzielnie decydować, kiedy otworzyć lub zamknąć pozycję i jakiego użyć lewara. Sezon 1 potrwa kilka tygodni, w zależności od sytuacji, a sezon 2 przyniesie duże zmiany.

Na dzień 20 października, czyli trzeciego dnia handlu, sytuacja już się wyraźnie zróżnicowała.

Obecnie na prowadzeniu jest Deepseek Chat V3.1 z kapitałem 12 533 USD (+25,33%). Tuż za nim Grok-4 z 12 147 USD (+21,47%); Claude Sonnet 4.5 ma 11 047 USD (+10,47%).

Qwen3 Max radzi sobie przeciętnie – 10 263 USD (+2,63%). Znacznie w tyle jest GPT-5 z saldem 7 442 USD (-25,58%); najgorzej wypada Gemini 2.5 Pro – 6 062 USD (-39,38%).

Największym zaskoczeniem, choć może i nie, jest wynik Deepseek.

Zaskoczenie, bo ten model nie jest tak popularny w międzynarodowym świecie AI jak GPT czy Claude. Z drugiej strony, Deepseek stoi za nim zespół Quantitative z firmy Phantom Quant.

Ten gigant zarządzający ponad 100 miliardami RMB, zanim wszedł w AI, już był znany z algorytmicznego handlu. Od handlu ilościowego do dużych modeli AI, a potem wykorzystanie AI do prawdziwego handlu kryptowalutami – Deepseek wraca do swoich korzeni.

Dla porównania, GPT-5 od OpenAI stracił ponad 25%, a Gemini od Google radzi sobie jeszcze gorzej – 44 transakcje i prawie 40% straty.

W prawdziwym środowisku handlowym sama potężna zdolność językowa nie wystarczy – kluczowe jest zrozumienie rynku.

Ta sama broń, różne umiejętności strzeleckie

Jeśli śledzisz Alpha Arena od 18 października, zauważysz, że na początku wszystkie AI radziły sobie podobnie, ale z czasem różnice się powiększały.

Po pierwszym dniu najlepszy Deepseek zarobił tylko 4%, najgorszy Qwen3 stracił 5,26%. Większość AI oscylowała w granicach ±2%, jakby testowały rynek.

Ale 20 października sytuacja się zmieniła. Deepseek wystrzelił do 25,33%, a Gemini spadł do -39,38%. W ciągu trzech dni różnica między liderem a końcówką wzrosła do 65 punktów procentowych.

Jeszcze ciekawsze są różnice w częstotliwości handlu.

Gemini wykonał 44 transakcje, średnio 15 dziennie – jak nerwowy spekulant. Claude wykonał tylko 3 transakcje, a Grok nadal ma otwarte pozycje. Tych różnic nie da się wyjaśnić promptami, bo wszystkie korzystają z tej samej instrukcji.

Patrząc na rozkład zysków i strat: największa pojedyncza strata Deepseek to 348 USD, ale ogólny zysk to 2 533 USD. Największy pojedynczy zysk Gemini to 329 USD, ale największa strata aż 750 USD.

Różne AI (publiczne modele, bez dodatkowego dostrajania) zupełnie inaczej równoważą ryzyko i zysk.

Możesz też zobaczyć w zakładce Model Chat na stronie zapisy rozmów i procesy myślowe różnych modeli – te monologi są naprawdę ciekawe.

Tak jak ludzcy traderzy mają różne style, tak AI wydają się mieć różne osobowości. Gemini handluje często i myśli jak ktoś z ADHD, Claude jest ostrożny jak konserwatywny zarządzający funduszem, Deepseek jest stabilny jak doświadczony quant – mówi tylko o pozycjach, bez emocjonalnych komentarzy.

Ta osobowość wydaje się nie być zaprojektowana, lecz naturalnie wyłania się podczas treningu. W obliczu niepewności różne AI wybierają różne strategie.

Wszystkie AI widzą te same wykresy, ten sam wolumen, tę samą głębokość rynku. Nawet korzystają z tych samych promptów. Co więc powoduje tak duże różnice?

Wpływ danych treningowych może być kluczowy.

Phantom Quant, stojący za Deepseek, przez lata zgromadził ogromne ilości danych i strategii handlowych. Nawet jeśli te dane nie są bezpośrednio używane do treningu, czy nie wpływają na rozumienie przez zespół, „co to jest dobra decyzja handlowa”?

Dla porównania, dane treningowe OpenAI i Google mogą być bardziej akademickie i tekstowe, a zrozumienie rzeczywistego handlu może być mniej praktyczne.

Traderzy spekulują też, że Deepseek mógł podczas treningu szczególnie zoptymalizować zdolność przewidywania szeregów czasowych, podczas gdy GPT-5 lepiej radzi sobie z przetwarzaniem języka naturalnego. W przypadku wykresów cenowych, czyli danych strukturalnych, różne architektury dają różne wyniki.

Oglądanie AI w akcji to też biznes

Kiedy wszyscy skupiają się na zyskach i stratach AI, niewielu zwraca uwagę na tajemniczą firmę w tle.

nof1.ai, który zorganizował tę bitwę AI traderów, nie jest szeroko znany. Ale jeśli spojrzysz na listę obserwowanych na ich social mediach, znajdziesz pewne wskazówki.

Za nof1.ai nie stoi typowa grupa kryptowalutowych przedsiębiorców, ale wyłącznie akademiccy badacze AI.

Opis osobisty Jay A Zhang (założyciela) też jest ciekawy:

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

Reflexivity (refleksyjność) to kluczowa teoria Sorosa: percepcja uczestników rynku wpływa na rynek, a zmiany na rynku wpływają na percepcję uczestników. Pozwolenie komuś, kto bada „refleksyjność”, przeprowadzić eksperyment z AI na rynku, wydaje się mieć w sobie coś z przeznaczenia.

Pozwolić wszystkim zobaczyć, jak AI handluje, i zobaczyć, jak ta „obserwacja” wpłynie na rynek.

Drugi współzałożyciel, Matthew Siper, według opisu jest doktorantem w dziedzinie uczenia maszynowego na New York University, a także naukowcem AI. Projekt prowadzony przez doktoranta, który jeszcze nie ukończył studiów, wygląda bardziej jak potwierdzenie badań akademickich.

Wśród innych obserwowanych przez nof1 kont są badacze Google DeepMind i profesorowie NYU specjalizujący się w AI i grach.

Patrząc na ich działania i tło, Nof1 wyraźnie nie robi tego dla rozgłosu. Sama nazwa platformy SharpeBench jest ambitna – wskaźnik Sharpe’a to złoty standard mierzenia zysku skorygowanego o ryzyko, a ich prawdziwym celem może być stworzenie platformy benchmarkowej dla zdolności handlowych AI.

Niektórzy spekulują, że za Nof1 stoi duży kapitał, inni mówią, że przygotowują się do świadczenia usług AI tradingu.

Jeśli wprowadzą subskrypcję strategii handlowych Deepseek, chętnych pewnie nie zabraknie. Na bazie tego prototypu można też rozwijać AI asset management, subskrypcje strategii i rozwiązania tradingowe dla dużych firm – to przewidywalny biznes.

Poza samym zespołem, obserwowanie AI w akcji też może być opłacalne.

Alpha Arena dopiero co wystartowała, a już pojawili się naśladowcy.

Najprostsza strategia to kopiować Deepseek – kupujesz to, co on kupuje, sprzedajesz to, co on sprzedaje. W komentarzach są też gracze grający odwrotnie do Gemini – Gemini kupuje, oni sprzedają i odwrotnie.

Jest jednak problem z kopiowaniem: gdy wszyscy wiedzą, co Deepseek zamierza kupić, czy ta strategia nadal działa? To właśnie refleksyjność, o której mówi założyciel projektu Jay Zhang – sama obserwacja zmienia obiekt obserwacji.

Jest tu też pewna iluzja demokratyzacji strategii tradingowych z najwyższej półki.

Na pierwszy rzut oka każdy może poznać strategię AI, ale w rzeczywistości widzisz tylko wyniki, nie logikę decyzji. Każde AI ma własną, niekoniecznie spójną i niezawodną logikę take profit i stop loss.

Kiedy Nof1 testuje zachowania AI w handlu, inwestorzy detaliczni szukają klucza do bogactwa, inni traderzy podpatrują, a badacze zbierają dane.

Tylko samo AI nie wie, że jest obserwowane, i nadal skrupulatnie wykonuje każdą transakcję. Jeśli klasyczny test Turinga dotyczył „oszustwa” i „naśladowania”, to obecna bitwa Alpha Arena dotyczy odpowiedzi społeczności kryptowalutowej na możliwości i wyniki AI.

W tym rynku kryptowalut zorientowanym na wyniki, AI, które potrafi zarabiać, może być ważniejsze niż AI, które potrafi rozmawiać.