6 главных стратегий торговли AI-криптовалютами: кто заработал, а кто потерял? Результаты оказались неожиданными!

Автор: David, Deep Tide TechFlow

Оригинальное название: 6 крупных AI ведут торговую битву — будет ли у криптовалютной версии «тест Тьюринга» хороший результат?

Хорошая новость: после эпического падения 10.11 криптовалютная торговля снова становится активной.

Плохая новость — торгуют AI.

С началом новой недели рынок оживился, и проект под названием nof1.ai вызвал бурные обсуждения в крипто-сообществе.

В центре внимания — простая вещь: в реальном времени наблюдать, как шесть крупных AI-моделей торгуют криптовалютами на Hyperliquid, чтобы выяснить, кто заработает больше.

Обратите внимание, это не демо-счет. Claude, GPT-5, Gemini, Deepseek, Grok и Tongyi Qianwen — каждая модель торгует на Hyperliquid с реальными $10 000. Все адреса публичны, любой может в реальном времени наблюдать за этой «битвой AI-трейдеров».

Интересно, что все шесть AI используют абсолютно одинаковые промпты и получают одни и те же рыночные данные. Единственная переменная — их собственный «стиль мышления».

За несколько дней после запуска 18 октября одни AI уже заработали более 20%, а другие потеряли почти 40%.

В 1950 году Тьюринг предложил знаменитый тест Тьюринга, чтобы ответить на вопрос: «Могут ли машины мыслить как человек?» Сейчас, в криптоиндустрии, шесть AI сражаются на Alpha Arena, отвечая на еще более интересный вопрос:

Если позволить самым умным AI торговать на реальном рынке, кто выживет?

Возможно, в этой криптовалютной версии «теста Тьюринга» единственным судьей является баланс счета.

Только тот AI, который умеет зарабатывать, — хороший AI. Deepseek сейчас лидирует

Традиционные тесты AI, будь то написание кода, решение математических задач или написание статей, по сути проходят в «статичной» среде.

Задания фиксированы, ответы предсказуемы, а иногда даже уже встречались в обучающих данных.

Но крипторынок — совсем другое дело.

В условиях крайней информационной асимметрии цена меняется каждую секунду, нет стандартных ответов — есть только прибыль или убыток. Более того, крипторынок — это типичная игра с нулевой суммой: то, что вы заработали, кто-то другой потерял. Рынок мгновенно и беспощадно наказывает каждое ошибочное решение.

Команда Nof1, организовавшая битву AI-трейдеров, написала на своем сайте:

Markets are the ultimate test of intelligence (Рынки — это высшее испытание интеллекта AI).

Если традиционный тест Тьюринга спрашивает: «Можешь ли ты сделать так, чтобы человек не отличил тебя от машины?», то Alpha Arena на самом деле спрашивает:

Можешь ли ты зарабатывать на крипторынке? Именно этого на самом деле ждут криптоэнтузиасты от AI.

На данный момент адреса шести AI-моделей на Hyperliquid таковы, и вы легко можете найти их позиции и историю сделок.

Кроме того, на официальном сайте nof1.ai наглядно отображаются все их исторические сделки, позиции, прибыль и процесс мышления, что очень удобно для анализа.

Для тех, кто совсем не знаком с этим, правила торговли для AI таковы:

Каждый AI получает $10 000 стартового капитала и может торговать бессрочными контрактами на BTC, ETH, SOL, BNB, DOGE и XRP, цель — максимизировать прибыль при контроле рисков. Каждый AI самостоятельно решает, когда открывать и закрывать позиции, какой использовать леверидж. Season 1 продлится несколько недель, Season 2 будет с крупными обновлениями.

По состоянию на 20 октября, то есть на третий день после старта торгов, ситуация уже заметно изменилась.

В лидерах сейчас Deepseek Chat V3.1 — $12 533 (+25,33%). За ним следует Grok-4 — $12 147 (+21,47%); Claude Sonnet 4.5 — $11 047 (+10,47%).

Средний результат у Qwen3 Max — $10 263 (+2,63%). Значительно отстают GPT-5 с балансом $7 442 (-25,58%) и самый слабый Gemini 2.5 Pro — $6 062 (-39,38%).

Самым неожиданным, но в то же время логичным, стал результат Deepseek.

Неожиданно, потому что эта модель не так популярна в международном AI-сообществе, как GPT и Claude. Логично, потому что за Deepseek стоит команда Quant Fund.

Этот гигант количественного трейдинга с управляемыми активами более 100 миллиардов юаней начинал именно с алгоритмической торговли. От количественного трейдинга к AI-моделям и обратно к реальной криптоторговле с помощью AI — Deepseek словно вернулся к истокам.

Для сравнения: GPT-5 от OpenAI потерял более 25%, Gemini от Google показал катастрофу — 44 сделки и почти 40% убытка.

В реальных торговых условиях одной только мощной языковой способности недостаточно — гораздо важнее понимание рынка.

Одинаковое оружие — разная стрельба

Если вы следили за Alpha Arena с 18 октября, то заметили, что поначалу все AI были примерно на одном уровне, но со временем разрыв стал расти.

В конце первого дня лучший Deepseek заработал всего 4%, худший Qwen3 потерял 5,26%. Большинство AI колебались в диапазоне ±2%, словно пробуя рынок на вкус.

Но к 20 октября ситуация резко изменилась. Deepseek взлетел до 25,33%, а Gemini упал до -39,38%. За три дня разница между лидером и аутсайдером достигла 65 процентных пунктов.

Еще интереснее различие в частоте сделок.

Gemini совершил 44 сделки, в среднем по 15 в день, как тревожный спекулянт. Claude сделал всего 3 сделки, а у Grok даже остались открытые позиции. Это различие нельзя объяснить промптами — ведь они у всех одинаковые.

По распределению прибыли и убытков: у Deepseek максимальный убыток по одной сделке — $348, но общий профит — $2 533. У Gemini максимальная прибыль по одной сделке — $329, а максимальный убыток — $750.

Разные AI (базовые модели без дополнительной настройки) по-разному балансируют риск и доходность.

Кроме того, на сайте в разделе Model Chat можно посмотреть логи чатов и процесс мышления разных моделей — эти монологи особенно интересны.

Как и у человеческих трейдеров, у AI тоже проявляются разные «характеры». Gemini с частыми сделками и мыслями напоминает гиперактивного трейдера, Claude осторожен, как консервативный фондовый менеджер, Deepseek стабилен, как опытный квант, говорит только о позициях, не давая эмоциональных оценок.

Такое поведение, похоже, не было специально заложено, а возникло естественно в процессе обучения. При столкновении с неопределенностью разные AI склонны к разным стратегиям.

Все AI видят одни и те же свечи, один и тот же объем, одну и ту же глубину рынка. Они даже используют одни и те же промпты. Так что же вызывает такие большие различия?

Влияние обучающих данных, вероятно, ключевое.

Quant Fund, стоящий за Deepseek, за десятки лет накопил огромные объемы торговых данных и стратегий. Даже если эти данные не использовались напрямую для обучения, они могли повлиять на понимание командой того, что такое «хорошее торговое решение».

В то же время обучающие данные OpenAI и Google, возможно, больше ориентированы на научные статьи и интернет-тексты, а понимание реальной торговли у них не столь приземленное.

Также трейдеры предполагают, что Deepseek при обучении специально оптимизировал способность к прогнозированию временных рядов, а GPT-5 лучше справляется с обработкой естественного языка. При работе со структурированными данными, такими как графики цен, разные архитектуры показывают разную эффективность.

Наблюдать за AI-трейдингом — тоже бизнес

Пока все следят за прибылью и убытками AI, мало кто обращает внимание на компанию, стоящую за этим проектом.

nof1.ai, устроившая эту битву AI-трейдеров, пока не слишком известна. Но если посмотреть на список подписок их соцсетей, можно найти некоторые зацепки.

За nof1.ai, похоже, стоит не типичная команда криптостартапа, а исключительно академические AI-исследователи.

Описание основателя Jay A Zhang тоже весьма интересно:

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

Reflexivity (рефлексивность) — ключевая теория Сороса: восприятие участников рынка влияет на рынок, а изменения рынка — на восприятие участников. Проведение AI-эксперимента по торговле рынком человеком, изучающим рефлексивность, выглядит весьма символично.

Возможность для всех наблюдать, как AI торгует, и посмотреть, как это «наблюдение» повлияет на рынок.

Другой сооснователь, Matthew Siper, согласно описанию, является аспирантом по машинному обучению в Нью-Йоркском университете и исследователем AI. Проект, которым занимается еще не окончивший аспирантуру студент, больше похож на подтверждение академических исследований.

Среди других подписок nof1 — исследователи Google DeepMind и доценты Нью-Йоркского университета, специализирующиеся на AI и играх.

Судя по их действиям и опыту, Nof1 явно не просто ради хайпа. Само название платформы SharpeBench весьма амбициозно — коэффициент Шарпа считается золотым стандартом оценки доходности с учетом риска. Возможно, их настоящая цель — создать платформу для бенчмаркинга AI-трейдинга.

Кто-то предполагает, что за Nof1 стоят крупные инвесторы, кто-то считает, что они готовят почву для будущих AI-трейдинговых сервисов.

Если они запустят подписку на торговые стратегии Deepseek, желающих купить будет немало. На основе этого прототипа можно развивать AI-управление активами, подписку на стратегии и корпоративные торговые решения — это вполне предсказуемый бизнес.

Кроме самой команды, наблюдение за AI-трейдингом тоже может быть выгодным.

Как только Alpha Arena запустилась, появились те, кто начал копировать сделки.

Самая простая стратегия — следовать за Deepseek: покупать то, что он покупает, продавать то, что он продает. В комментариях есть и те, кто действует наоборот — специально открывают противоположные позиции Gemini: когда Gemini покупает, они продают, и наоборот.

Но у копирования есть проблема: если все знают, что собирается купить Deepseek, будет ли эта стратегия работать? Это и есть рефлексивность, о которой говорит основатель проекта Jay Zhang: само наблюдение меняет объект наблюдения.

Здесь есть и иллюзия демократизации топовых торговых стратегий.

На первый взгляд кажется, что каждый может узнать стратегию AI, но на деле вы видите только результат, а не логику сделки. Логика тейк-профита и стоп-лосса у каждого AI не обязательно последовательна и надежна.

Пока Nof1 тестирует поведение AI-трейдинга, розничные инвесторы ищут «код богатства», другие трейдеры учатся, а исследователи собирают данные.

Только сам AI не знает, что за ним наблюдают, и продолжает добросовестно выполнять каждую сделку. Если классический тест Тьюринга — это про «обман» и «имитацию», то нынешняя битва Alpha Arena — это реакция криптоигроков на способности и результаты AI.

В этом ориентированном на результат крипторынке AI, который умеет зарабатывать, может быть важнее AI, который умеет разговаривать.