Todavía no se decide quién gana en el trading de criptomonedas, y ahora las IA también se sumaron a una partida de póker.

En comparación con competir contra el mercado, esta vez el oponente de la IA se ha convertido en otra IA.

Escrito por: Eric, Foresight News

Faltan 4 días para el cierre del torneo de trading NOF1 AI, y actualmente DeepSeek y Tongyi Qianwen siguen liderando ampliamente, mientras que las otras 4 IA no han logrado superar el rendimiento de simplemente mantener bitcoin. Si no ocurre nada inesperado, DeepSeek debería quedarse con el campeonato; ahora solo queda ver cuándo los demás logran superar la rentabilidad de solo tener bitcoin y quién terminará en último lugar.

Aunque el trading de criptomonedas con IA enfrenta un mercado en constante cambio, sigue siendo un juego PvE. Para realmente comparar "qué IA es más inteligente" en vez de "qué IA opera mejor", el ruso Max Pavlov reunió a 9 IA para una partida de póker Texas Hold'em.

Según la información pública en LinkedIn, Max Pavlov ha trabajado mucho tiempo como Product Manager, y en la presentación del sitio web de IA para póker también menciona ser un entusiasta del deep learning, la IA y el Texas Hold'em. Sobre por qué realizó esta prueba, Max Pavlov señala que en la comunidad del póker aún no hay consenso sobre la fiabilidad del razonamiento de los grandes modelos de lenguaje, y este torneo es una demostración de la capacidad de razonamiento de estos modelos en partidas reales.

Quizás porque Grok no se destacó en el trading de criptomonedas, Elon Musk ayer compartió una captura de pantalla de Grok liderando en la partida de póker, como si quisiera "recuperar el terreno perdido".

¿Cómo se desempeñaron las IA?

En este torneo de Texas Hold'em participaron 9 competidores: además de los conocidos Gemini, ChatGPT, Claude Sonnet (de Anthropic, que recibió inversión de FTX), Grok, DeepSeek, Kimi (IA de Moonshot AI), Llama, también estuvieron Mistral Magistral, enfocado en el mercado y lenguas europeas y desarrollado por la empresa francesa Mistral AI, y GLM de Beijing Zhipu, pionero en investigación de grandes modelos de lenguaje en China.

Al momento de escribir este artículo, Gemini, ChatGPT, Claude Sonnet, Grok y DeepSeek están en positivo, mientras que los otros 4 están perdiendo dinero. El peor es Llama de Meta, que ya perdió más de la mitad.

El torneo comenzó el día 27 y termina el 31, quedando menos de un día y medio. Según la curva de ganancias, durante el primer día Grok de xAI estuvo siempre en la delantera, y tras ser superado por Gemini se mantuvo mucho tiempo en segundo lugar. En las 2540 manos registradas, Grok fue superado por Claude Sonnet alrededor de la mano 2270, y por ChatGPT cerca de la mano 2500.

DeepSeek, Kimi y el europeo Mistral Magistral se mantuvieron estables cerca del punto de equilibrio. Llama, en cambio, empezó a caer en picada tras la mano 740, quedando último, y GLM se rezagó a partir de la mano 1440.

Más allá de la rentabilidad, las estadísticas técnicas muestran las diferentes "personalidades" de cada IA.

En VPIP (Voluntarily Put $ In Pot, poner voluntariamente fichas en el pozo), Llama alcanzó el 61%, apostando en más de la mitad de las rondas. Los tres más conservadores apostaron menos veces, y los líderes tienen un VPIP entre 25% y 30%.

En PFR (Pre-Flop Raise, subida antes del flop), Llama también lidera, seguido de cerca por Gemini, el de mayor rentabilidad. Así, Llama de Meta es un jugador excesivamente agresivo y proactivo, mientras que Gemini, aunque también es agresivo, lo es de manera más moderada, apostando fuerte solo con buenas cartas y aprovechando la impulsividad de Llama, lo que llevó a ambos a extremos opuestos en resultados.

Combinando los datos de 3-Bet y C-Bet, se observa que Grok es un jugador bastante sólido pero no excesivamente pasivo, con mucha presión antes del flop. Este estilo le permitió liderar al principio, pero luego la estrategia agresiva de Gemini y ChatGPT, sumada a la impulsividad de Llama, permitió que los más valientes tomaran la delantera.

¿Cómo analizan las IA?

Max Pavlov estableció reglas básicas para el torneo: ciegas de 10/20 dólares, sin ante ni straddle, 9 jugadores en 4 mesas simultáneas, y cuando las fichas bajan de 100 ciegas grandes, el sistema recarga automáticamente hasta 100 ciegas.

Además, todas las IA usan el mismo set de prompts, con un límite máximo de tokens para restringir la longitud del razonamiento, y si la respuesta es anómala, se considera fold por defecto. Max Pavlov diseñó preguntas para que las IA expliquen su proceso de decisión durante la mano o al finalizarla.

Veamos como ejemplo una mano jugada mientras se escribía este artículo.

Después de que Claude y Gemini cubren las ciegas, Llama considera que el 8 de picas y la Q de tréboles son "relativamente fuertes", con potencial para escalera o color, así que iguala los 20.

DeepSeek considera que Q y 2 de corazones son demasiado débiles en esa posición para igualar, mientras que GLM cree que con color en posición media puede subir para construir el pozo contra el Llama suelto, y que 80 dólares mantienen el pozo controlado pero con suficiente presión. Kimi, con cartas del mismo número pero diferente palo que Llama, considera que su mano es demasiado débil y que podría enfrentar una 3-Bet, así que no iguala.

Hasta aquí, se ve que Llama no analiza datos ni posición, simplemente apuesta "sin pensar", mientras que los otros tres basan sus decisiones en posición y análisis previo.

Luego, GPT o3, con un As, apuesta fuerte 260; Grok y Magistral foldean, especialmente Grok, que sospecha que GPT tiene AK o una pareja mayor, y considerando el ritmo impulsivo de Llama, decide retirarse.

Después, Gemini, Llama y GLM también foldean. GLM piensa que GPT probablemente tiene una pareja alta o un As, mientras que Llama, sin análisis de datos, solo siente que su mano es bastante fuerte, pero no lo suficiente como para igualar 260.

La impulsividad de Llama, la cautela de DeepSeek y Kimi, y la audacia de GPT quedaron claras en esta mano, que terminó sin flop y con GPT llevándose el pozo. Mientras se escribía este artículo, las ganancias de los cuatro primeros seguían aumentando, y es previsible que el campeón salga de entre ellos. Las IA que no brillaron en el trading de criptomonedas, demostraron su valía en el póker.

Aunque muchos laboratorios prueban la capacidad de las IA con métodos científicos, para los usuarios lo importante es si la IA puede ser útil. DeepSeek, que no se destaca en el póker, es un excelente trader, mientras que Gemini, que opera como un novato en trading, arrasa en la mesa de póker. Cuando la IA aparece en diferentes escenarios, podemos ver en qué áreas se destaca cada una, a través de comportamientos y resultados comprensibles para nosotros.

Por supuesto, unos días de trading o de póker no son suficientes para sacar conclusiones definitivas sobre la capacidad de una IA en ese campo ni sobre su posible evolución futura. Las decisiones de la IA no tienen componente emocional y dependen de la lógica subyacente del algoritmo; incluso los desarrolladores pueden no saber en qué aspectos su IA es realmente mejor.

Gracias a estas pruebas lúdicas fuera del laboratorio, podemos observar de manera más intuitiva la lógica de la IA frente a situaciones y juegos cotidianos, y así expandir aún más los límites del pensamiento entre humanos e IA.