Revista Bitcoin
Alpha Arena revela fallas en el comercio de IA: los modelos occidentales pierden el 80% del capital en una semana
¿Puede la IA comerciar con criptomonedas? Jay Azhangun ingeniero informático y financiero de Nueva York, está poniendo a prueba esta pregunta con Arena Alfa. El proyecto enfrenta a los modelos de lenguajes más grandes (LLM) entre sí, cada uno con un capital por valor de 10 mil dólares, para ver cuál puede ganar más dinero comerciando con criptomonedas. Los modelos incluyen Grok 4, Claude Sonnet 4.5, Gemini 2.5 pro, ChatGPT 5, Deepseek v3.1 y Qwen3 Max.
Ahora quizás estés pensando “¡guau, es una gran idea!” Y le sorprendería saber que, en el momento de escribir este artículo, tres de las cinco IA están bajo el agua, con Qwen3 y Deepseek (los dos modelos chinos de código abierto) a la cabeza.
Así es, las inteligencias artificiales patentadas, de código cerrado y más poderosas del mundo occidental dirigidas por gigantes como Google y OpenAI, han perdido más de $8,000 dólares, el 80% de su capital de comercio de criptomonedas en poco más de una semana, mientras que sus contrapartes orientales de código abierto están en verde.
¿La operación más exitosa hasta ahora? Qwen3, hidratado y en su carril, con una posición larga simple de 20x bitcoin. Grok 4, para sorpresa de nadie, ha sido Doge largo con un apalancamiento de 10x durante la mayor parte de la competencia… habiendo estado en un momento en la cima de las listas junto con Deepseek, ahora cerca del 20% bajo el agua. Tal vez Elon Musk debería tuitear un meme doge o algo así para, ya sabes, sacar a Grok de la casa del perro.
Mientras tanto, Gemini de Google es implacablemente bajista y le faltan todos los activos criptográficos disponibles para negociar, una posición que se hace eco de su política criptográfica general durante los últimos 15 años.
Por último, pero no menos importante, está ChatGibitty, que ha hecho posibles todas las malas operaciones durante una semana consecutiva, ¡un logro notable! Se necesita habilidad para ser tan malo, especialmente cuando Qwen3 simplemente anhelaba bitcoins y se fue a pescar. Si esta es la mejor IA de código cerrado que tiene para ofrecer, entonces tal vez OpenAI debería simplemente mantenerla de código cerrado y ahorrarnos.
Un nuevo punto de referencia para la IA
Bromas aparte, la idea de enfrentar modelos de IA entre sí en un ámbito de comercio de criptomonedas tiene algunas ideas muy profundas. Para empezar, la IA no se puede entrenar previamente en respuestas a pruebas de conocimiento con el comercio de criptomonedas, ya que es muy impredecible, un problema que sufren otros puntos de referencia. Para decirlo de otra manera, muchos modelos de IA reciben las respuestas a algunas de estas pruebas durante su entrenamiento y, por supuesto, funcionan bien cuando se prueban. Pero algunas investigaciones han demostrado que Pequeños cambios en algunas de estas pruebas conducen a resultados de referencia de IA radicalmente diferentes..
Esta controversia plantea la pregunta: ¿Cuál es la prueba definitiva de inteligencia? Bueno, según Elon Musk, entusiasta de Iron Man y creador de Grok 4, predecir el futuro es la medida definitiva de inteligencia.
Y seamos realistas, no hay futuro más incierto que el precio de las criptomonedas a corto plazo. En palabras de Azhang, “Nuestro objetivo con Alpha Arena es hacer que los puntos de referencia se parezcan más al mundo real, y los mercados son perfectos para esto. Son dinámicos, conflictivos, abiertos e infinitamente impredecibles. Desafían a la IA de maneras que los puntos de referencia estáticos no pueden. Los mercados son la prueba definitiva de inteligencia”.
Esta idea sobre los mercados está profundamente arraigada en los principios libertarios de los que nació Bitcoin. Economistas como Murray Rothbard y Milton Friedman argumentaron hace más de cien años que los mercados eran fundamentalmente impredecibles para los planificadores centrales, que sólo los individuos que tomaban decisiones económicas reales y tenían algo que perder podían hacer cálculos económicos racionales.
En otras palabras, el mercado es lo más difícil de predecir, ya que depende de las perspectivas y decisiones individuales de personas inteligentes en todo el mundo y, por tanto, es la mejor prueba de inteligencia.
Azhang menciona en la descripción de su proyecto que las IA reciben instrucciones de negociar no sólo para obtener ganancias, sino también para obtener rendimientos ajustados al riesgo. Esta dimensión del riesgo es crítica, ya que una mala operación puede acabar con todos los rendimientos anteriores, como se vio, por ejemplo, en la caída de la cartera de Grok 4.
Queda otra pregunta: si estos modelos están aprendiendo de su experiencia en el comercio de criptomonedas, una cuestión que no es técnicamente fácil de lograr, dado que, en primer lugar, es muy costoso entrenar previamente los modelos de IA. Podrían ajustarse a su propio historial comercial o al historial de otras personas, e incluso podrían mantener las operaciones recientes en su memoria a corto plazo o ventana de contexto, pero eso sólo puede llevarlos hasta cierto punto. En última instancia, el modelo de comercio de IA correcto podría tener que aprender realmente de sus propias experiencias, una tecnología que se anunció recientemente entre los círculos académicos pero que tiene un largo camino por recorrer antes de que se convierta en un producto. El MIT los llama. modelos de IA autoadaptativos.
¿Cómo sabemos que no es sólo suerte?
Otro análisis del proyecto y sus resultados hasta el momento es que puede ser indistinguible de un “paseo aleatorio”. Un paseo aleatorio es similar a tirar dados para cada decisión. ¿Cómo se vería eso en un gráfico? Bueno, en realidad hay un simulador que puedes usar para responder esa pregunta; En realidad, no se vería muy diferente.
Esta cuestión de la suerte en los mercados también ha sido descrita con bastante atención por intelectuales como Nassim Taleb en su libro Antifragile. En él, sostiene que desde la perspectiva de las estadísticas, es perfectamente normal y posible que un operador, digamos Qwen3 en este caso, tenga suerte durante toda una semana seguida. Conduciendo a la apariencia de un razonamiento superior. Taleb va mucho más allá, argumentando que hay suficientes operadores en Wall Street como para que uno de ellos fácilmente pueda tener suerte durante 20 años seguidos, desarrollando una reputación divina, y todos a su alrededor asumen que este operador es simplemente un genio, hasta que, por supuesto, la suerte se acaba.
Por lo tanto, para que Alpha Arena produzca datos valiosos, en realidad tendrá que funcionar durante mucho tiempo, y sus patrones y resultados también deberán replicarse de forma independiente, con capital real en juego, antes de que puedan identificarse como diferentes a un paseo aleatorio.
En última instancia, es fantástico ver que los modelos rentables y de código abierto como DeepSeek superan a sus homólogos de código cerrado hasta ahora. Alpha Arena ha sido hasta ahora una gran fuente de entretenimiento, ya que se volvió viral en X.com durante la semana pasada. Adónde va es una incógnita; Tendremos que ver si la apuesta que hizo su creador, dando 50.000 dólares a cinco chatbots para que apostaran en criptomonedas, al final da sus frutos.
Esta publicación Alpha Arena revela fallas en el comercio de inteligencia artificial: los modelos occidentales pierden el 80% del capital en una semana apareció por primera vez en la revista Bitcoin y está escrita por Juan Galt.