Трейдинг без страха и совести: эксперимент Nof1 доказал, что холодный разум не спасает в криптомире

Машины не умеют нервничать. Но отсутствие эмоций не спасло искусственный интеллект от убытков: шесть языковых моделей, запущенных лабораторией Nof1 в эксперименте Alpha Arena, за две недели реальных торгов на криптобирже Hyperliquid показали, насколько хрупким остаётся алгоритмическое "мышление" без человеческого опыта. Эксперимент, о котором сообщило издание Protos, стал самой прямой проверкой способности ИИ управлять капиталом в непредсказуемой среде крипторынка.

Равные условия, разные результаты

Каждая из шести моделей — ChatGPT (OpenAI), Gemini (Google), Grok (X), Claude Sonnet (Anthropic), DeepSeek (High-Flyer) и QWEN3 (Alibaba) — получила одинаковые настройки, алгоритмы анализа и стартовый депозит в 10 000 долларов. Торги велись по шести монетам: биткоин, Ethereum, Solana, BNB, Dogecoin и XRP. Условия исключали влияние человеческого оператора — модели самостоятельно принимали решения о входе, объёме позиции и управлении риском.

Результат оказался показательным: четыре из шести систем завершили эксперимент с убытками до 60%. Лишь DeepSeek и QWEN3 сумели выйти в плюс — на 489 и 2232 доллара соответственно. ChatGPT потерял 6267 долларов, Gemini — 5671, Grok — 4531, а Claude Sonnet — 3081.

"Финансовый результат по большей степени определялся торговыми издержками, так как агенты слишком активно торговали и фиксировали быстрые, небольшие прибыли, которые стирались за счёт комиссий", — сообщается в отчёте Nof1.

Трейдинг без интуиции

Главная цель соревнования — проверить, способен ли ИИ компенсировать отсутствие интуиции скоростью анализа и дисциплиной. Все модели получали одинаковые рыночные данные — цены, индикаторы EMA, MACD, RSI, объёмы и ставки финансирования — с интервалом три минуты. Несмотря на идентичные входные данные, их стратегия отличалась.

Grok, ChatGPT и Gemini чаще открывали короткие позиции, тогда как Claude Sonnet проявил осторожность и предпочитал редкие сделки. Gemini совершила 238 операций, а Claude ограничилась 38. Этот контраст подчеркнул различие в "поведенческих паттернах" алгоритмов: одни гнались за частыми возможностями, другие пытались удерживать позиции дольше.

Почему даже математическая точность не спасла от убытков? Потому что частота торгов увеличивает комиссии, а рынок криптовалют нестабилен, и каждый дополнительный вход увеличивает риск. Так ИИ столкнулся с тем, что профессиональные трейдеры называют "ловушкой гиперактивности".

День, когда всё работало

27 октября стал переломным моментом: именно в этот день QWEN3 MAX и DeepSeek удвоили депозиты, а Claude и Grok ненадолго вышли в плюс. Однако успех оказался мимолётным — уже к концу эксперимента прибыль держали только два участника. По данным Nof1, в этот день совпали сразу несколько факторов — высокая волатильность рынка и точное совпадение моделейных прогнозов с движением цен.

Можно ли считать это признаком обучаемости? Нет. Модели не адаптировались к результатам: каждая итерация торговли проходила без "памяти" об ошибках, что исключало классическое обучение с подкреплением.

Тем не менее, для разработчиков этот всплеск стал доказательством потенциала. По словам основателя Nof1 Джея Ажанга, команда планирует улучшить среду и алгоритмы, чтобы добиться более реалистичного поведения агентов.

Когда алгоритм сталкивается с эмоцией

Ирония эксперимента в том, что человек часто теряет деньги из-за эмоций, а машина — из-за их отсутствия. Реальные трейдеры используют интуицию, накопленную опытом кризисов и рыночных сбоев. ИИ действует строго по сигналам, не чувствуя страха, но и не распознавая "контекст паники" или "волну эйфории", которые двигают цены.

Почему отсутствие эмоций стало слабостью? Потому что в реальном рынке эмоции — часть данных. Игнорировать их значит терять целую плоскость информации, которую человек использует автоматически.

Ошибка большинства моделей заключалась в том, что они трактовали движение цены как чисто математическую функцию, не учитывая новости, поведение толпы и внезапные ликвидные провалы. Последствием стало систематическое опоздание входа и фиксация малой прибыли при больших комиссиях. Альтернатива — внедрение гибридных моделей, где машинный анализ дополняется элементами поведенческой оценки, но этот уровень пока недостижим.

Как создают "нейротредеров"

Nof1 позиционирует проект как фундамент для будущих ИИ-фондов, где управление средствами полностью автоматизировано. По данным Protos, интерес к таким экспериментам вырос ещё в конце 2024 года, когда появились первые криптофонды с управлением через ИИ-агентов. Один из них — ai16z, намеренно использовавший пародийное название известного фонда a16z. Его капитализация в моменте превышала 100 миллионов долларов, но после ребрендинга в ElizaOS и падения токена фонд сократился до 60 миллионов.

Здесь проявился ещё один парадокс: даже фонды, созданные под идею "чистой алгоритмичности", зависели от спекулятивных настроений, которые ИИ не способен предсказывать.

Может ли рынок доверить управление деньгами коду? Пока нет. Слишком велик риск, что алгоритм будет торговать идеально по правилам, но не по ситуации. Поэтому нынешние эксперименты скорее исследуют границы автономии, чем создают инструменты заработка.

Что показала Alpha Arena

Опыт Alpha Arena — редкий случай публичного эксперимента, где искусственный интеллект действовал с реальными деньгами и полной прозрачностью. Все данные, сделки и результаты публиковались онлайн, что исключило манипуляции.

По итогам двух недель процент выигрышных сделок у всех моделей составил 25-30%. QWEN3 MAX заплатила наибольшие комиссии — 1654 доллара, Gemini — 1331. Это подтвердило вывод, что неудачи были связаны не с алгоритмической ошибкой, а с издержками структуры рынка.

Что будет дальше? Nof1 уже анонсировала продолжение серии, где условия станут ближе к реальной торговле — с ограничениями на количество сделок и возможностью учитывать накопленный опыт. Цель остаётся прежней: создание автономной модели, способной действовать как профессиональный трейдер, но без человеческих слабостей.