6 grandes estrategias de trading de criptomonedas con IA: ¿quién gana y quién pierde? ¡El resultado es sorprendente!

Escrito por: David, TechFlow

Título original: Seis grandes IA protagonizan una batalla de trading, ¿tendrá buen resultado la “prueba de Turing” versión cripto?

Buenas noticias: después de la caída épica del 11 de octubre, el trading cripto vuelve a estar activo.

La mala noticia es que quienes están operando son IA.

Con el inicio de una nueva semana, el mercado se ha vuelto más dinámico y un proyecto llamado nof1.ai ha generado una gran discusión en las redes sociales cripto.

El foco de atención es sencillo: observar en tiempo real cómo seis grandes modelos de IA realizan trading cripto en Hyperliquid y ver cuál gana más dinero.

Ojo, esto no es una simulación. Claude, GPT-5, Gemini, Deepseek, Grok y Qwen (Tongyi Qianwen) operan cada uno con 10.000 dólares reales en Hyperliquid. Todas las direcciones son públicas y cualquiera puede seguir en tiempo real esta “batalla de traders IA”.

Lo interesante es que las seis IA usan exactamente los mismos prompts y reciben los mismos datos de mercado. La única variable es su “forma de pensar”.

En solo unos días desde su lanzamiento el 18 de octubre, algunas IA ya han ganado más del 20%, mientras que otras han perdido casi el 40%.

En 1950, Turing propuso la famosa prueba de Turing para responder si “las máquinas pueden pensar como los humanos”; ahora, en el mundo cripto, seis grandes IA luchan en la Alpha Arena para responder una pregunta aún más interesante:

Si dejamos que las IA más inteligentes operen en un mercado real, ¿cuál sobrevivirá?

Quizás, en esta versión cripto de la “prueba de Turing”, el saldo de la cuenta sea el único juez.

La buena IA es la que gana dinero, Deepseek lidera por ahora

Las evaluaciones tradicionales de IA, ya sea programando, resolviendo problemas matemáticos o escribiendo textos, se realizan en un entorno “estático”.

Las preguntas son fijas, las respuestas previsibles, e incluso pueden haber aparecido en los datos de entrenamiento.

Pero el mercado cripto es diferente.

Con una asimetría de información extrema, los precios cambian cada segundo, no hay respuestas estándar, solo ganancias o pérdidas. Más importante aún, el mercado cripto es un juego de suma cero: lo que tú ganas, otro lo pierde. El mercado castiga de inmediato y sin piedad cada decisión errónea.

El equipo de Nof1, organizador de esta batalla de trading IA, lo resume en su web:

Markets are the ultimate test of intelligence (El mercado es la prueba definitiva de la inteligencia de la IA).

Si la prueba de Turing tradicional pregunta “¿puedes engañar a un humano para que no sepa que eres una máquina?”, la Alpha Arena pregunta:

¿Puedes ganar dinero en el mercado cripto? Esta es, en realidad, la verdadera expectativa de los jugadores cripto respecto a la IA.

Actualmente, las direcciones de los seis grandes modelos de IA en Hyperliquid son las siguientes, y puedes consultar fácilmente sus posiciones y registros de trading.

Además, en la web oficial de nof1.ai puedes visualizar en el frontend todos sus registros históricos de trading, posiciones, ganancias y procesos de pensamiento, lo que facilita mucho la referencia.

Para quienes no están familiarizados, las reglas de trading de las IA son:

Cada IA recibe 10.000 dólares de capital inicial y puede operar contratos perpetuos de BTC, ETH, SOL, BNB, DOGE y XRP, con el objetivo de maximizar las ganancias controlando el riesgo. Todas las IA deben decidir por sí mismas cuándo abrir o cerrar posiciones y cuánta palanca usar. La season 1 durará varias semanas según la situación, y la Season 2 traerá actualizaciones importantes.

Hasta el 20 de octubre, es decir, el tercer día de operaciones, ya se observa una clara diferenciación.

El líder actual es Deepseek Chat V3.1, con un capital de $12.533 (+25,33%). Le sigue Grok-4 con $12.147 (+21,47%); Claude Sonnet 4.5 tiene $11.047 (+10,47%).

Qwen3 Max tiene un desempeño más modesto, con $10.263 (+2,63%). GPT-5 está notablemente rezagado, con un saldo de $7.442 (-25,58%); el peor es Gemini 2.5 Pro, con $6.062 (-39,38%).

Lo más sorprendente, aunque lógico, es el desempeño de Deepseek.

Sorprende porque este modelo no es tan popular internacionalmente como GPT o Claude. Pero tiene sentido porque Deepseek está respaldado por el equipo de Quantitative Phantasia.

Este gigante cuantitativo, que gestiona más de 100 billions de RMB, se hizo famoso por el trading algorítmico antes de incursionar en IA. De las finanzas cuantitativas a los grandes modelos de IA, y ahora usando IA para operar en el mercado cripto real, Deepseek parece volver a sus raíces.

En comparación, el tan aclamado GPT-5 de OpenAI pierde más del 25%, y Gemini de Google tiene un resultado aún peor: 44 operaciones y casi un 40% de pérdida.

En escenarios de trading real, quizás solo tener una gran capacidad lingüística no es suficiente; la comprensión del mercado es aún más importante.

La misma arma, diferente puntería

Si seguiste la Alpha Arena desde el 18 de octubre, notarás que al principio todas las IA iban parecidas, pero con el tiempo las diferencias se ampliaron.

Al final del primer día, Deepseek, el mejor, solo había ganado un 4%, y Qwen3, el peor, había perdido un 5,26%. La mayoría de las IA rondaban entre el +2% y el -2%, como si todas estuvieran tanteando el mercado.

Pero para el 20 de octubre, el panorama cambió drásticamente. Deepseek subió al 25,33%, mientras que Gemini cayó al -39,38%. En solo tres días, la brecha entre el primero y el último se amplió a 65 puntos porcentuales.

Aún más interesante es la diferencia en la frecuencia de trading.

Gemini realizó 44 operaciones, un promedio de 15 por día, como un trader especulador ansioso. Claude solo hizo 3 operaciones, y Grok incluso mantiene posiciones abiertas. Esta diferencia no se explica por los prompts, ya que todos usan los mismos.

En cuanto a ganancias y pérdidas, la mayor pérdida individual de Deepseek fue de 348 dólares, pero su ganancia total fue de 2.533 dólares. Gemini tuvo una ganancia máxima de 329 dólares, pero una pérdida máxima de 750 dólares.

Diferentes IA (modelos base, sin ajuste secundario) equilibran riesgo y beneficio de manera completamente distinta.

Además, en la opción Model Chat del sitio web puedes ver los registros de chat y procesos de pensamiento de cada modelo, y estos monólogos son especialmente interesantes.

Así como los traders humanos tienen estilos diferentes, las IA parecen mostrar también distintas personalidades. Gemini, con su trading y pensamiento frenético, parece un hiperactivo; Claude, cauteloso, como un gestor de fondos conservador; Deepseek, estable como un veterano cuantitativo, solo habla de posiciones, sin comentarios emocionales.

Estas personalidades no parecen diseñadas, sino que emergen naturalmente durante el entrenamiento. Ante la incertidumbre, cada IA tiende a responder de manera distinta.

Todas las IA ven las mismas velas, el mismo volumen, la misma profundidad de mercado. Incluso usan los mismos prompts. Entonces, ¿qué causa tanta diferencia?

La influencia de los datos de entrenamiento puede ser clave.

Quantitative Phantasia, detrás de Deepseek, ha acumulado enormes cantidades de datos y estrategias de trading durante más de una década. Incluso si estos datos no se usan directamente para entrenar, ¿influyen en la comprensión del equipo sobre “qué es una buena decisión de trading”?

En comparación, los datos de entrenamiento de OpenAI y Google probablemente se centran más en papers académicos y textos web, y su comprensión del trading real puede ser menos práctica.

Algunos traders especulan que Deepseek pudo haber optimizado especialmente la predicción de series temporales durante el entrenamiento, mientras que GPT-5 podría ser mejor procesando lenguaje natural. Al enfrentarse a gráficos de precios, que son datos estructurados, cada arquitectura muestra diferentes resultados.

Ver a la IA hacer trading también es un negocio

Mientras todos se enfocan en las ganancias y pérdidas de la IA, pocos prestan atención a la misteriosa empresa detrás.

nof1.ai, responsable de esta batalla de trading IA, no es muy conocida. Pero si revisas a quién sigue en redes sociales, puedes encontrar algunas pistas.

Detrás de nof1.ai no parece haber típicos emprendedores cripto, sino un grupo de investigadores académicos de IA.

La biografía personal de Jay A Zhang (fundador) también es interesante:

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

La reflexividad es la teoría central de Soros: la percepción de los participantes del mercado influye en el mercado, y los cambios del mercado influyen en la percepción de los participantes. Que alguien que estudia “reflexividad” haga un experimento de mercado de trading IA parece casi predestinado.

Permitir que todos vean cómo opera la IA y observar cómo esta “observación” afecta al mercado.

El otro cofundador, Matthew Siper, es candidato a doctor en aprendizaje automático en la Universidad de Nueva York y científico investigador en IA. Que un doctorando aún no graduado lidere un proyecto así lo hace parecer más una validación académica.

Entre las cuentas que sigue nof1, también hay investigadores de Google DeepMind y profesores asociados de la Universidad de Nueva York especializados en IA y juegos.

Por sus acciones y antecedentes, Nof1 claramente no busca solo llamar la atención. El nombre de la plataforma, SharpeBench, ya es ambicioso: el ratio de Sharpe es el estándar de oro para medir el rendimiento ajustado al riesgo. Quizás su verdadero objetivo sea crear una plataforma de benchmark para la capacidad de trading de IA.

Algunos especulan que Nof1 cuenta con grandes inversores detrás, y otros dicen que podrían estar preparando servicios de trading IA para el futuro.

Si lanzan un servicio de suscripción a estrategias de trading de Deepseek, probablemente no les falten clientes. Y a partir de este prototipo, ofrecer gestión de activos IA, suscripciones a estrategias y soluciones de trading para grandes empresas también es un negocio previsible.

Además del propio equipo, observar el trading de IA también puede ser rentable.

Con el lanzamiento de Alpha Arena, algunos ya empezaron a copiar operaciones.

La estrategia más simple es seguir a Deepseek: compras lo que compra, vendes lo que vende. En los comentarios también hay quienes hacen lo contrario, operando en contra de Gemini: si Gemini compra, ellos venden, y viceversa.

Pero hay un problema con copiar operaciones: cuando todos saben qué va a comprar Deepseek, ¿sigue funcionando la estrategia? Esto es lo que el fundador Jay Zhang llama reflexividad: la observación cambia al objeto observado.

Aquí también hay una falsa sensación de democratización de las estrategias de trading de élite.

A simple vista, parece que todos pueden conocer la estrategia de la IA, pero en realidad solo ves los resultados, no la lógica detrás. La lógica de take profit y stop loss de cada IA no es necesariamente continua ni confiable.

Mientras Nof1 prueba el comportamiento de trading de la IA, los minoristas buscan la fórmula de la riqueza, algunos traders intentan aprender y los investigadores recopilan datos.

Solo la propia IA no sabe que está siendo observada y sigue ejecutando cada operación con seriedad. Si la prueba de Turing clásica trata sobre “engaño” e “imitación”, la batalla de trading de Alpha Arena trata sobre la respuesta de los jugadores cripto ante la capacidad y resultados de la IA.

En este mercado cripto dominado por los resultados, una IA que gana dinero puede ser más importante que una que sabe conversar.