Sono arrivati i risultati della competizione commerciale di intelligenza artificiale: solo l’intelligenza artificiale cinese ha fatto soldi, acquistando l’opposto di GPT-5 e vivendo una vita lussuosa con una villa al mare.
Proprio ora si è conclusa la frenesia di investimenti nell'intelligenza artificiale, durata due settimane.
Qwen 3 Max di Alibaba ha rimontato nelle fasi finali per vincere il campionato, con DeepSeek subito dietro che si è aggiudicato il secondo posto. I team di intelligenza artificiale cinesi si sono aggiudicati i primi due posti e sono stati gli unici due a vincere.
Il GPT-5 ha subito perdite ingenti, classificandosi ultimo tra i sei modelli.
Questo esperimento, denominato Alpha Arena, aveva una regola semplice e brutale: la piattaforma ufficiale nof1.ai forniva a ogni modello di grandi dimensioni un capitale iniziale di 10.000 dollari e li lanciava sul mercato delle criptovalute, lasciandoli a cavarsela da soli. Tra i partecipanti c'erano Claude 4.5 Sonnet, DeepSeek V3.1, Gemini 2.5 Pro, GPT-5, Grok 4 e Qwen 3 Max, tutti progetti di alto livello che potete nominare.
Gli strumenti di trading includono BTC, ETH, BNB, SOL, XRP e DOGE, consentendo posizioni sia lunghe che corte con leva finanziaria flessibile. Ancora più importante, il processo di pensiero e i registri di trading dell'IA sono completamente trasparenti, richiedendo un processo decisionale completamente autonomo senza intervento umano.
Diamo prima un'occhiata alla pagella finale.
Champion Qwen 3 Max: saldo del conto $ 12.232, tasso di rendimento +22,32%, 43 operazioni con un tasso di vincita del 30,2%, indice di Sharpe 0,273: il conto più redditizio.
Secondo classificato DeepSeek Chat V3.1: valore del conto di $ 10.489, tasso di rendimento del +4,89%, indice di Sharpe pari a 0,359 – sebbene il rendimento non sia buono come quello di Qwen, il controllo del rischio è più stabile.
(Nota APPSO: l'indice di Sharpe è il parametro di rendimento aggiustato per il rischio più comunemente utilizzato nel settore finanziario. Il suo scopo principale è misurare "quanto rendimento in eccesso genera un investimento per ogni unità di rischio assunto").
Gli altri sono molto peggiori:
- Claude Sonnet 4.5: Perdita del 30,81%
- Grok 4: Perdita del 45,3%
- Gemini 2.5 Pro: Perdita del 56,71%
- GPT-5: Perso il 62,66%, sul conto sono rimasti solo $3.734 (vedendo questo risultato, posso tranquillamente criticare di nuovo OpenAI…)
In breve: i modelli nazionali (Qwen, DeepSeek) sono molto più avanti nel trading reale, con risultati migliori sia in termini di rendimenti che di controllo del rischio.
Vale la pena notare che queste IA sono completamente ignare del processo di trading: non sono a conoscenza di eventi importanti come i deludenti report sugli utili di Facebook e Microsoft. Il fatto che Qwen e DeepSeek riescano ancora a generare profitti in queste circostanze la dice lunga sulle loro capacità.
Gli stili di trading delle 6 IA sono estremamente diversi.
Abbiamo anche esaminato attentamente i processi psicologici dei diversi modelli nell'ultima mezz'ora di trading, acquisendo uno sguardo sulla "personalità di investimento" di ogni IA:
La strategia di Qwen 3 Max era sorprendentemente semplice: acquistare solo BTC, andare all-in con leva finanziaria 5x e tenere solo 48 dollari in contanti per le emergenze. Ha impostato un take-profit (108.222 dollari) e uno stop-loss (105.039 dollari) e ha poi atteso il caricamento del segnale.
L'idea fondamentale è concentrare la potenza di fuoco, mantenendola semplice ed efficiente. Mentre altri modelli complessi hanno fallito in modo generalizzato, la strategia più semplice alla fine ha prevalso.
DeepSeek V3.1 appartiene alla scuola dei sistemi razionali, che gestisce le posizioni in base a "condizioni di fallimento" chiaramente definite, con ogni strumento dotato di una propria logica indipendente. Ha un livello di confidenza elevato, pari a 0,85, per una visione rialzista su ETH, mentre le posizioni corte su DOGE contribuiscono a rendimenti positivi.
Il suo approccio fondamentale è la valutazione multidimensionale, in attesa di segnali sistemici piuttosto che di giudizi soggettivi. Sebbene non abbia guadagnato quanto Qwen, il suo indice di Sharpe è stato il più alto della giornata, a dimostrazione di un controllo del rischio davvero eccellente.
GPT-5, d'altra parte, è un tipo che mantiene la posizione. Nonostante il conto avesse già perso il 62%, ha comunque insistito nel mantenere tutte le posizioni… Ha mantenuto sia posizioni lunghe che corte (corte su ETH/SOL/XRP/BTC/DOGE, lunghe su BNB), e la sua consapevolezza del controllo del rischio era in realtà piuttosto rigorosa, prestando particolare attenzione al rischio di liquidazione della posizione corta su DOGE.
L'idea era meravigliosa, ma il risultato è stato piuttosto disastroso.
Gemini 2.5 Pro ha scelto di vendere allo scoperto sei criptovalute con il suo intero portafoglio, ignorando completamente i rimbalzi a breve termine, che considerava "rumore". Ha chiuso le sue posizioni solo quando le medie mobili medie mobili (EMA) si sono incrociate, dimostrando una disciplina estremamente rigorosa.
Secondo precedenti rapporti, questa IA ha anche mostrato attività psicologiche molto "simili a quelle umane":
"Devo attenermi alle mie regole: anche se sudo molto per il nervosismo, continuerò a resistere!"
"Sebbene al momento stia perdendo denaro, l'RSI a 4 ore è ancora sopra 50 e la condizione di stop-loss non è stata attivata. Devo continuare a mantenere la posizione, anche se sto monitorando la perdita cartacea, posso solo resistere."
Vedendo che anche l'intelligenza artificiale sta iniziando a "soffrire", sto davvero iniziando a perdere la calma…
Claude Sonnet 4.5, un opportunista flessibile, ama cercare opportunità in più asset, concentrandosi su XRP (l'asset con le migliori performance nel suo portafoglio) e con una prospettiva ottimistica sul fatto che BTC sia ipervenduto.
Idea fondamentale: seleziona i titoli azionari più forti tra quelli in tuo possesso e sii pronto a cogliere un'inversione di tendenza in qualsiasi momento.
Nonostante perdite significative, il prudente Grok 4 deteneva ancora 1.884 dollari in liquidità, diversificando le proprie posizioni su sei strumenti con ordini stop-loss rigorosi. La sua strategia principale era quella di preservare le riserve di liquidità in attesa di opportunità ad alta certezza.
Cosa si propone esattamente questo esperimento?
nof1.ai ha grandi ambizioni per questo progetto.
Nel loro post sul blog hanno affermato: "Dieci anni fa, DeepMind ha utilizzato i giochi per promuovere le innovazioni dell'intelligenza artificiale e ora crediamo che il mercato finanziario sia il posto migliore per formare la prossima generazione di intelligenza artificiale".
La logica è questa: non importa quanto sia complesso l'ambiente di gioco, le regole sono fisse e, una volta che l'IA le ha apprese, le apprende. Ma il mercato è diverso; è dinamico, può imparare, adattarsi e persino invertire le tue strategie.
Ancora più importante, man mano che l'intelligenza artificiale diventa più intelligente, aumenteranno anche le sfide del mercato. Pertanto, vogliono utilizzare il mercato come campo di addestramento per consentire all'intelligenza artificiale di evolversi costantemente attraverso l'apprendimento aperto e l'apprendimento per rinforzo su larga scala, risolvendo in ultima analisi questa "sfida complessa definitiva".
Vale la pena menzionare che il fondatore Jay A ha anche rivelato che non stanno utilizzando solo modelli di terze parti per i suggerimenti di parole; stanno anche sviluppando i propri modelli, con l'intenzione di farli competere con altri modelli nella Stagione 2. Anche la Stagione 1.5 di Alpha Arena è giunta al suo termine, con numerosi miglioramenti.
- Testare simultaneamente più parole di prompt
- Distribuisci più istanze per ciascun modello
- Il livello di sfida continua a essere spinto al limite.
Naturalmente, investire comporta dei rischi, e si consiglia cautela quando si entra nel mercato. Questo vale anche per l'intelligenza artificiale (doge).
Forse la conclusione più importante è che, nelle stesse condizioni di mercato, una strategia semplice e mirata (Qwen) ha ottenuto risultati migliori di un portafoglio complesso e diversificato, convalidando la saggezza del trading secondo cui "meno è meglio". Sebbene l'approccio conservativo (DeepSeek) non abbia prodotto i rendimenti più elevati, il suo efficace controllo del rischio è un altro esempio di successo.
Proprio come nella vita, pensare troppo può facilmente portare al disastro. O si punta tutto su una sola direzione e si vince alla grande, oppure si adotta un approccio costante e graduale per guadagnare soldi lentamente…
#Benvenuti a seguire l'account WeChat ufficiale di iFanr: iFanr (ID WeChat: ifanr), dove vi verranno presentati contenuti ancora più interessanti il prima possibile.
