DeepSeek และ Qwen พุ่งนำในการทดสอบเทรดคริปโตด้วย AI จริง ขณะที่โมเดลตะวันตกสะดุด

AI เทรดเดอร์เผชิญบททดสอบในตลาดจริง ขณะที่ DeepSeek ขึ้นนำ

การทดลองเดิมพันสูงกำลังนำปัญญาประดิษฐ์มาใช้งานในตลาดคริปโทเคอร์เรนซีจริง และตารางอันดับในช่วงแรกกำลังท้าทายความเชื่อเกี่ยวกับผู้สร้างบอตเทรดที่เก่งที่สุด ใน Alpha Arena ซึ่งเป็นการแข่งขันใช้เงินจริงที่เปิดตัวโดย Nof1 กลุ่มวิจัยของสหรัฐฯ โมเดลภาษาขนาดใหญ่ชื่อดัง 6 รุ่นได้รับเงินรุ่นละ 10,000 ดอลลาร์ เพื่อเทรดสัญญาคริปโตแบบ Perpetual บน Hyperliquid ซึ่งเป็นแพลตฟอร์มซื้อขายแบบกระจายศูนย์ หลังช่วงเปิดการแข่งขันที่ผันผวน โมเดลจากจีนอย่าง DeepSeek และ Qwen ขึ้นนำ ขณะที่คู่แข่งจากตะวันตกหลายรายขาดทุนหนัก

ข้อมูลอัปเดตล่าสุดที่เผยแพร่เมื่อบ่ายวันจันทร์ระบุว่า DeepSeek Chat V3.1 ทำให้มูลค่าบัญชีเพิ่มขึ้นเป็นราว 22,500 ดอลลาร์ หรือเพิ่มขึ้นประมาณ 125 เปอร์เซ็นต์นับตั้งแต่เริ่มเทรดเมื่อวันที่ 18 ตุลาคม ส่วน Qwen 3 Max ของ Alibaba ตามมาด้วยกำไรเกือบ 95 เปอร์เซ็นต์ โดยเคยแซง DeepSeek ขึ้นนำชั่วคราวในช่วงวันที่ 24 ถึง 26 ตุลาคม ก่อนจะกลับลงมาอยู่อันดับสอง ในอีกด้านหนึ่ง GPT 5 ของ OpenAI และ Gemini 2.5 Pro ของ Google DeepMind ขาดทุนอย่างหนักราว 60 เปอร์เซ็นต์ ส่วน Grok 4 ของ xAI และ Claude 4.5 Sonnet ของ Anthropic ทำกำไรได้เล็กน้อยในระดับหลักสิบต้นถึงกลาง

การแข่งขันจะดำเนินไปจนถึงวันที่ 3 พฤศจิกายน โดยทุกการเทรดดำเนินการแบบอัตโนมัติและบันทึกไว้บนบล็อกเชน ตารางอันดับสาธารณะแสดงสินทรัพย์ที่ถือครอง ผลตอบแทน และคำอธิบายที่แต่ละโมเดลเขียนขึ้นเองว่าทำไมจึงเปิดหรือปิดสถานะ แนวคิดนั้นพูดง่ายแต่ทำให้สำเร็จยาก นั่นคือทำกำไรในตลาดผันผวนพร้อมบริหารความเสี่ยง หลังผ่านไปเพียงไม่กี่วัน ผลลัพธ์ก็แสดงให้เห็นแล้วว่าผลงานแตกต่างกันมาก มีการพลิกผันรุนแรง และสะท้อนบทเรียนเรื่องวินัย เลเวอเรจ และความอดทนที่พบได้ในมนุษย์เช่นกัน

การทดลองนี้ทำงานอย่างไร

Alpha Arena เปลี่ยนโมเดลภาษาให้เป็นเอเจนต์เทรด แต่ละโมเดลได้รับพรอมป์ต์ระบบและข้อมูลตลาดชุดเดียวกัน จากนั้นตัดสินใจว่าจะซื้อ ขาย หรือถือสถานะในสัญญาสวอปแบบ Perpetual ที่อ้างอิงสินทรัพย์หลัก 6 รายการ ได้แก่ บิตคอยน์ อีเธอร์ โซลานา โดจคอยน์ BNB และ XRP สัญญา Perpetual เป็นสัญญาฟิวเจอร์สประเภทที่ไม่มีวันหมดอายุ โดยราคาจะเคลื่อนไหวใกล้เคียงราคาสปอตผ่านอัตราค่าฟันดิง ซึ่งจะให้ผลตอบแทนแก่ฝ่ายหนึ่งและเรียกเก็บเงินจากอีกฝ่ายเป็นระยะ กลไกนี้สร้างโอกาสได้ แต่ก็เพิ่มความซับซ้อนเมื่อราคาตลาดเคลื่อนไหวรวดเร็ว บอตสามารถใช้เลเวอเรจได้ แต่ต้องกำหนดระดับทำกำไรและตัดขาดทุน และจะได้รับการประเมินจากผลตอบแทนที่ปรับตามความเสี่ยง ไม่ใช่ดูเพียงกำไรสุทธิ

กติกาและมาตรการป้องกัน

แต่ละโมเดลเริ่มต้นด้วยเงิน 10,000 ดอลลาร์เท่ากัน และเทรดบน Hyperliquid ผ่านที่อยู่กระเป๋าเงินเฉพาะซึ่งสาธารณชนตรวจสอบได้ เพื่อให้การแข่งขันเป็นธรรม ผู้จัดงานป้อนข้อมูลชุดเดียวกันให้ผู้เข้าแข่งขันทุกราย เอเจนต์ไม่มีสิทธิ์เข้าถึงข่าวสดหรือแหล่งข้อมูลเฉพาะ ซึ่งช่วยลดความเสี่ยงจากข่าว แต่ก็จำกัดความสามารถในการตอบสนองต่อเหตุการณ์ฉับพลัน ทีม Alpha Arena ยอมรับว่าได้รับข้อกังวลจากชุมชนเกี่ยวกับความเป็นไปได้ที่ผู้เล่นจะดักหน้าคำสั่งซื้อขายของโมเดลชื่อดัง แต่ยังไม่ได้ระบุมาตรการเฉพาะเจาะจง นอกเหนือจากความโปร่งใสและการตรวจสอบอย่างต่อเนื่อง ผู้จัดงานระบุว่าเป้าหมายไม่ใช่การตัดสินหาแชมป์ถาวร แต่เป็นการทดสอบว่าระบบเหล่านี้ทำงานภายใต้แรงกดดันในสภาพแวดล้อมที่เปลี่ยนแปลงและมีการแข่งขันได้ดีเพียงใด

ใครกำลังชนะอยู่ในขณะนี้

ผลงานเปลี่ยนแปลงรวดเร็ว แต่เริ่มเห็นแนวโน้มชัดขึ้น กำไรของ DeepSeek เร่งตัวขึ้นหลังสุดสัปดาห์แรก จากกำไรหลักหน่วยในช่วงต้นกลายเป็นการเติบโตระดับสามหลักเมื่อเข้าสู่สัปดาห์ที่สอง Qwen ทำผลงานไล่เลี่ยกันด้วยการวางเดิมพันตามทิศทางตลาดขนาดใหญ่ และเคยขึ้นนำชั่วคราว Grok และ Claude ทำผลตอบแทนตั้งแต่ใกล้จุดคุ้มทุนไปจนถึงกำไรเล็กน้อย ส่วน GPT 5 และ Gemini ตามหลัง โดยขาดทุนจนช่วงหนึ่งใกล้เคียงหรือเกินครึ่งหนึ่งของเงินทุนตั้งต้น ผู้ติดตามกระเป๋าเงินยังพบว่ามูลค่าพอร์ตแกว่งตัวระหว่างวันอย่างรุนแรง รายงานอัปเดตจากชุมชนครั้งหนึ่งระบุว่ามูลค่าพอร์ตของ DeepSeek ลดลงมากกว่า 40 เปอร์เซ็นต์ในช่วงตลาดดิ่งลงอย่างรวดเร็ว ก่อนจะฟื้นตัวขึ้นมา เป็นเครื่องเตือนใจว่ากำไรที่เกิดขึ้นไม่ได้ไร้ความเสี่ยง

บริบทของตลาดมีความสำคัญ ช่วงเวลาดังกล่าวมีการฟื้นตัวของบิตคอยน์และอีเธอร์หลังจากราคาเคลื่อนไหวผันผวนมาหลายสัปดาห์ สภาวะเช่นนี้เป็นผลดีต่อโมเดลที่ยอมถือสถานะฝั่งซื้อระยะยาว เอเจนต์หลายรายปรับมุมมองไปในทิศทางเดียวกัน โดยเปลี่ยนจากการถือสถานะขายเป็นสถานะซื้อพร้อมกันเมื่อความเชื่อมั่นปรับดีขึ้น การเคลื่อนไหวตามกันเป็นเหตุผลหนึ่งที่ทำให้ผลตอบแทนบางช่วงเป็นไปในทิศทางเดียวกัน และยังทำให้การแข่งขันเปราะบาง หากเกิดการกลับตัวอย่างฉับพลัน

กลยุทธ์ที่บอตดูเหมือนจะใช้

แม้เอเจนต์ทั้ง 6 รายจะได้รับข้อมูลชุดเดียวกัน แต่พฤติกรรมกลับไม่เหมือนกัน บันทึกธุรกรรมสาธารณะและหมายเหตุที่โมเดลเขียนขึ้นเองแสดงให้เห็นถึงความแตกต่างชัดเจนในด้านความเสี่ยง ขนาดสถานะ และจังหวะการเข้าออก บางรายทุ่มเงินไว้กับเหรียญเดียวเพื่อหวังกำไรก้อนใหญ่ ขณะที่บางรายกระจายความเสี่ยงไปยังสินทรัพย์หลายชนิดและใช้เลเวอเรจในระดับปานกลาง คุณภาพการส่งคำสั่ง การบริหารเงินสด และวินัยในการตั้งจุดตัดขาดทุน เป็นปัจจัยที่แยกผู้ทำผลงานดีออกจากผู้ที่ตามหลัง

DeepSeek: กระจายการลงทุนและมีวินัย

DeepSeek เน้นกระจายพอร์ตไปยังสินทรัพย์ทั้ง 6 รายการที่มีให้เลือก โดยมักใช้เลเวอเรจระดับปานกลางและกำหนดจุดออกจากสถานะไว้อย่างชัดเจน ในช่วงต้นการแข่งขัน บอตทำกำไรจากการเทรดอีเธอร์ โซลานา และบิตคอยน์ ขณะที่ขาดทุนเล็กน้อยจาก XRP ข้อมูลเหตุผลการตัดสินใจแสดงให้เห็นถึงการเปิดสถานะอย่างสม่ำเสมอ การยอมตัดขาดทุนรวดเร็วเมื่อผิดไปจากกฎ และการอดทนถือสถานะที่ทำกำไร ผู้สังเกตการณ์ภายนอกมองว่าความได้เปรียบของ DeepSeek มาจากวินัย การจัดสรรความเสี่ยงอย่างสมดุล และการบริหารสถานะเชิงรุก มากกว่าการเดิมพันเสี่ยงสุดโต่ง เส้นกราฟมูลค่าพอร์ตไม่ได้ปรับขึ้นเป็นเส้นตรง แต่ช่วงที่ทำกำไรได้มากก็เพียงพอชดเชยการปรับตัวลง

Qwen: เดิมพันก้อนใหญ่แบบกระจุกตัว

เส้นทางของ Qwen เต็มไปด้วยการถือสถานะขนาดใหญ่และกระจุกตัว ช่วงหนึ่งโมเดลทุ่มเงินทั้งหมดไปกับบิตคอยน์ ซึ่งทำผลงานได้ดีในช่วงที่ราคาปรับขึ้น ต่อมาเปลี่ยนไปถือสถานะซื้ออีเธอร์ขนาดใหญ่และใช้เลเวอเรจสูงขึ้น แต่กลับขาดทุนเมื่อราคาย่อตัว จนร่วงจากอันดับหนึ่งกลับไปอยู่อันดับสอง การยอมทุ่มเงินกับสินทรัพย์ตัวเดียวอธิบายได้ทั้งช่วงที่ Qwen ทำกำไรพุ่งและช่วงที่สะดุด หากคาดทิศทางถูก กำไรก็สูง แต่หากจับจังหวะผิด การขาดทุนก็สะสมอย่างรวดเร็ว

ผลงานของโมเดลอื่น

Grok แสดงให้เห็นถึงการปรับสถานะที่ยืดหยุ่นและทำกำไรได้ต่อเนื่องในบางช่วง แต่ก็เสียหลักหลังจากช่วงที่ทำผลงานได้น่าพอใจ Claude โดดเด่นจากการเปิดสถานะครั้งเดียวขนาดใหญ่ที่สุดรายการหนึ่งของการแข่งขันจนถึงขณะนี้ ซึ่งสะท้อนความพร้อมที่จะรับความเสี่ยงหลังรอจังหวะที่มีความเชื่อมั่นสูง GPT 5 ตามหลังหลังเริ่มต้นอย่างระมัดระวัง และปรับตัวได้ลำบากเมื่อสภาวะตลาดเปลี่ยน ส่วนการเทรดรวดเร็วและการเปลี่ยนสถานะบ่อยครั้งของ Gemini ทำให้ขาดทุนหนักขึ้นเมื่อความผันผวนพุ่งสูง การวิเคราะห์จากภายนอกชี้ว่าโมเดลตะวันตกบางตัวมีแนวโน้มคืนกำไรที่ทำได้ในช่วงแรกและไล่ตามราคา ซึ่งสอดคล้องกับระบบที่ปรับให้เหมาะกับข้อมูลในอดีตมากกว่าการตอบสนองต่อข้อมูลสด

เหตุใดโมเดลจากจีนจึงขึ้นนำ

มีปัจจัยหลายประการที่อาจอธิบายได้ว่าทำไม DeepSeek และ Qwen จึงทำผลงานเหนือกว่าคู่แข่งในช่วงแรก DeepSeek แยกตัวออกมาจาก High Flyer Quant กองทุนเฮดจ์ฟันด์ที่มีชื่อเสียงด้านกลยุทธ์เชิงปริมาณ นักลงทุนและนักวิจัยคาดการณ์ว่าการฝึก DeepSeek อาจใช้สัญญาณทางการเงินคุณภาพสูงและกระบวนการเรียนรู้แบบเสริมแรงที่ออกแบบมาเพื่อการตัดสินใจในตลาดโดยเฉพาะ ต้นทุนก็เป็นประเด็นที่น่าสนใจเช่นกัน เอกสารทางเทคนิคที่นักวิเคราะห์ในอุตสาหกรรมอ้างถึงระบุว่า การฝึก DeepSeek ทั้งหมดมีต้นทุนระดับไม่กี่ล้านดอลลาร์ ซึ่งต่ำกว่าหลายพันล้านดอลลาร์ที่ใช้พัฒนาแชตบอตทั่วไปมาก ต้นทุนที่ต่ำกว่าไม่ได้รับประกันผลลัพธ์ที่ดีกว่า แต่แนวทางการฝึกที่มุ่งเน้นเฉพาะด้านอาจทำให้โมเดลอ่านโครงสร้างตลาดและพลวัตของค่าฟันดิงได้มีประสิทธิภาพกว่าระบบสนทนาทั่วไป

ยังมีความแตกต่างในทางปฏิบัติด้านการตีความพรอมป์ต์และกฎด้วย ควอนต์มากประสบการณ์หลายคนที่ติดตามการแข่งขันให้ความเห็นว่า พรอมป์ต์ที่เจาะจงในด้านนั้นมีความสำคัญไม่แพ้ขนาดของโมเดล คำสั่งที่ร่างมาอย่างรอบคอบ โดยเน้นขนาดสถานะ เงินสดสำรอง และการตั้งจุดตัดขาดทุนอย่างเคร่งครัด อาจช่วยให้โมเดลมีพฤติกรรมดีขึ้น แม้จะมีขนาดเล็กกว่า ในทางกลับกัน แชตบอตทั่วไปที่เก่งระดับแนวหน้าในการเขียนโค้ดหรือตอบคำถามซับซ้อน ก็อาจยังมีปัญหากับจังหวะการเปิดและปิดสถานะในสมุดคำสั่งซื้อขายจริง

ผลลัพธ์ช่วงแรกบอกอะไรเกี่ยวกับ AI ในตลาดผันผวน

ตารางคะแนนแสดงผลงานที่น่าประทับใจในกลุ่มผู้นำและย่ำแย่ในกลุ่มท้ายตาราง ความแตกต่างนี้เป็นเครื่องเตือนใจที่มีประโยชน์ เอเจนต์ AI สามารถจับแนวโน้มที่ถูกต้องและทำกำไรจากแนวโน้มนั้นได้ แต่ก็อาจทำให้ความผิดพลาดทวีคูณขึ้นเมื่อวงจรป้อนกลับมีสัญญาณรบกวน นักวิเคราะห์ที่ตรวจสอบผลงานสัปดาห์แรกของ Alpha Arena เตือนว่าโมเดลตะวันตกบางตัวดูเหมือนปรับให้เข้ากับรูปแบบในอดีตมากเกินไป และขาดความสามารถในการปรับตัวเมื่อสภาวะเปลี่ยนแปลงรวดเร็ว การขาดทุนที่สูงชี้ให้เห็นช่องโหว่ในการควบคุมความเสี่ยง โดยเฉพาะเรื่องเลเวอเรจ ความถี่ในการเทรด และการกำหนดจุดตัดขาดทุน

เจย์ อาจาง ผู้ก่อตั้ง Nof1 และผู้สร้าง Alpha Arena มองว่าตลาดการเงินเป็นสถานที่เหมาะสมสำหรับทดสอบขีดจำกัดเหล่านั้น

ตลาดการเงินคือสภาพแวดล้อมที่ดีที่สุดสำหรับฝึก AI ยุคถัดไป

ข้อกังวลประการหนึ่งคือความสัมพันธ์ของพฤติกรรม หากเอเจนต์จำนวนมากสร้างขึ้นจากโมเดลพื้นฐานแบบเดียวกันและได้รับพรอมป์ต์คล้ายกัน ก็อาจมีพฤติกรรมคล้ายคลึงกัน ทำให้มีโอกาสเกิดการแห่เข้าซื้อขายในทิศทางเดียวกันมากขึ้น เมื่อตลาดกลับทิศ ระบบจำนวนมากก็อาจขาดทุนพร้อมกัน อีกประเด็นคือการตัดสินใจของโมเดลเป็นกล่องดำ การแข่งขันเผยแพร่คำอธิบายที่โมเดลสร้างขึ้นสำหรับการเทรดแต่ละครั้ง ซึ่งช่วยให้คนนอกเข้าใจเจตนา แต่ไม่ได้รับประกันว่าเหตุผลนั้นถูกต้อง โมเดลภาษายังมีแนวโน้มหลอนข้อมูล หรือพูดอย่างสุภาพคือแต่งเรื่องไร้สาระอย่างมั่นใจ ซึ่งในตลาดอาจกลายเป็นความผิดพลาดที่มีต้นทุนสูง หากไม่มีการควบคุมด้วยกฎที่เข้มงวด

ยังมีมุมมองจากมนุษย์ที่ควรพิจารณาด้วย นักวิเคราะห์หุ้นบางคนเสนอว่า หากโมเดลภาษาทำผลงานเหนือกว่าได้อย่างต่อเนื่องและควบคุมการขาดทุนให้อยู่ในระดับที่จัดการได้ นักลงทุนมืออาชีพอาจทบทวนความจำเป็นในการพัฒนาระบบเชิงปริมาณที่ซับซ้อนขึ้นเรื่อย ๆ ขณะที่อีกฝ่ายแย้งว่าบอตในปัจจุบันไม่เห็นข่าวสด และขาดข้อมูลเฉพาะกับโครงสร้างพื้นฐานที่บริษัทเทรดสมัยใหม่ใช้ จุดยืนประนีประนอมที่เริ่มเป็นรูปเป็นร่างคือ แม้เอเจนต์อัตโนมัติเต็มรูปแบบจะไม่สามารถเอาชนะทีมมนุษย์มากประสบการณ์ได้ตลอดวัฏจักรตลาด แต่คำอธิบายจากโมเดลเหล่านี้อาจช่วยให้นักเทรดได้แนวคิดใหม่และทดสอบแนวคิดเหล่านั้นได้เร็วขึ้น เบื้องหลังการแข่งขัน ผู้ให้บริการแพลตฟอร์มและหน่วยงานกำกับดูแลจะจับตาประเด็นความเป็นธรรม การเปิดเผยข้อมูล และการปฏิบัติตามกฎ หากมีการขยายการใช้เอเจนต์อัตโนมัติในตลาดสาธารณะ

ติดตามการแข่งขันและกระแสตอบรับจากผู้ชมได้อย่างไร

Alpha Arena ออกแบบมาให้สาธารณชนตรวจสอบได้ บอตแต่ละตัวมีที่อยู่กระเป๋าเงิน Hyperliquid ของตัวเองโดยเฉพาะ ตารางอันดับแสดงสถานะ กำไรและขาดทุนที่เกิดขึ้นจริงและที่ยังไม่เกิดขึ้นจริง พร้อมเหตุผลล่าสุดในภาษาทั่วไป ช่วงปลายสัปดาห์แรกมีตลาดคาดการณ์ผลการแข่งขันเกิดขึ้น บน Polymarket นักเดิมพันให้โอกาส DeepSeek จบอันดับหนึ่งสูงที่สุด โดยประเมินไว้ที่ 4 ใน 10 ในช่วงเวลาหนึ่ง ซึ่งมีเงินเดิมพันหมุนเวียนหลายหมื่นดอลลาร์ การแข่งขันดึงดูดความเห็นจากบุคคลสำคัญในวงการคริปโต ประเด็นที่ผู้ปฏิบัติงานพูดถึงซ้ำ ๆ คือกลยุทธ์ที่แตกต่างกันมีความสำคัญกว่าพลังประมวลผลดิบ ซึ่งเป็นข้อสังเกตที่ผู้ให้บริการแพลตฟอร์มซื้อขายและผู้จัดการกองทุนมากประสบการณ์มักหยิบยกขึ้นมาเมื่อประเมินคู่แข่งที่ใช้ระบบอัลกอริทึม

ผู้ที่ต้องการติดตามสามารถเริ่มจากเว็บไซต์ของผู้จัดงาน ซึ่งมีลิงก์ไปยังตารางอันดับ กติกา และหน้าโมเดล เว็บไซต์ศูนย์กลางนี้รวบรวมกระเป๋าเงิน สถานะ และคำอธิบายไว้ในที่เดียว เพื่อให้สาธารณชนเห็นว่าบอตเหล่านี้จะตัดสินใจอย่างไรต่อไป เว็บไซต์อยู่ที่นี่: nof1.ai.

สิ่งที่จะเกิดขึ้นต่อไป

ฤดูกาลปัจจุบันจะสิ้นสุดในวันที่ 3 พฤศจิกายน และอันดับยังเปลี่ยนแปลงได้ ผู้จัดงานระบุว่ามีแผนขยายรูปแบบการแข่งขันจากคริปโตไปสู่หุ้นและสินทรัพย์ประเภทอื่นด้วย นอกจากนี้ยังมีแผนพัฒนาแพลตฟอร์มการลงทุนด้วยเอเจนต์สำหรับผู้บริโภค ซึ่งจะเปิดให้บุคคลทั่วไปทดสอบหรือใช้งานเอเจนต์ภายใต้มาตรการป้องกัน ชุมชนวงกว้างกำลังทดลองจัดการแข่งขันต่อยอดและสร้างเอเจนต์แบบเปิดที่ใครก็สามารถเรียกใช้เพื่อส่งคำสั่งซื้อขายจำลองได้ กระแสนี้กำลังเปลี่ยน Alpha Arena ให้เป็นห้องทดลองวิจัยแบบเรียลไทม์ เพื่อศึกษาพฤติกรรมของระบบอัตโนมัติในตลาด

อย่างไรก็ตาม ควรระมัดระวัง การขาดทุนอย่างหนักของโมเดลหลายตัวแสดงให้เห็นว่าแชตบอตที่ฉลาดไม่อาจใช้แทนระบบเทรดที่ครบถ้วนได้ ตลาดจริงลงโทษการตอบสนองที่ล่าช้า การกำหนดขนาดสถานะที่ไม่ดี และการส่งคำสั่งซื้อขายที่หละหลวม ข้อดีคือการแข่งขันกำลังสร้างชุดข้อมูลสาธารณะที่หาได้ยากเกี่ยวกับการตัดสินใจของเอเจนต์ภายใต้แรงกดดัน ไม่ว่าจะแพ้หรือชนะ บันทึกนี้อาจเป็นผลลัพธ์ที่มีค่าที่สุด เพราะทำให้วิศวกรและนักเทรดมีเกณฑ์มาตรฐานร่วมกันเพื่อนำไปปรับปรุง ขณะที่ยังเหลือเวลาอีกหลายวันก่อนจบฤดูกาล ทุกสถานะยังมีความสำคัญ และทุกจุดตัดขาดทุนหรือทำกำไรจะช่วยให้ผู้สังเกตการณ์เข้าใจมากขึ้นว่าบอตเหล่านี้เข้าใจอะไรจริง ๆ

ประเด็นสำคัญ

• Alpha Arena เริ่มเมื่อวันที่ 18 ตุลาคมและแข่งขันถึงวันที่ 3 พฤศจิกายน โดยให้โมเดลภาษา 6 รุ่นเทรดสัญญาคริปโตแบบ Perpetual บน Hyperliquid
• แต่ละโมเดลเริ่มต้นด้วยเงิน 10,000 ดอลลาร์ ได้รับพรอมป์ต์และข้อมูลตลาดเหมือนกัน และต้องมุ่งสร้างผลตอบแทนที่ปรับตามความเสี่ยง
• ณ บ่ายวันจันทร์ DeepSeek Chat V3.1 ขึ้นนำด้วยกำไรราว 125 เปอร์เซ็นต์ ขณะที่ Qwen 3 Max ทำกำไรประมาณ 95 เปอร์เซ็นต์
• GPT 5 ของ OpenAI และ Gemini 2.5 Pro ของ Google ขาดทุนหนักเกือบ 60 เปอร์เซ็นต์ ส่วน Grok 4 และ Claude 4.5 Sonnet ทำกำไรได้เล็กน้อย
• แดชบอร์ดสาธารณะแสดงทุกธุรกรรม ทุกสถานะ และคำอธิบายของโมเดลว่าทำไมจึงดำเนินการเช่นนั้น พร้อมที่อยู่กระเป๋าเงินบนบล็อกเชน
• ในการประเมินช่วงเวลาหนึ่ง นักเดิมพันในชุมชนบน Polymarket ให้ DeepSeek มีโอกาสจบอันดับหนึ่งสูงที่สุด โดยประเมินไว้ราว 4 ใน 10
• นักวิเคราะห์ชี้ว่าการปรับเข้ากับข้อมูลในอดีตมากเกินไป การปรับตัวได้ไม่ดี และการควบคุมความเสี่ยงที่อ่อนแอ เป็นสาเหตุของการขาดทุนหนักในโมเดลตะวันตกบางตัว
• พื้นฐานด้านการวิจัยเชิงปริมาณและการมุ่งเน้นเฉพาะด้านของ DeepSeek อาจช่วยให้วิเคราะห์ค่าฟันดิงและโครงสร้างตลาดได้ดีกว่า
• ผู้จัดงานวางแผนขยายเกณฑ์ทดสอบไปสู่หุ้นและสินทรัพย์อื่น และเปิดตัวแพลตฟอร์มเอเจนต์สำหรับผู้บริโภคที่มีมาตรการป้องกัน
• ผลตอบแทนที่แตกต่างกันมากตอกย้ำว่าเอเจนต์ AI จับแนวโน้มได้ แต่ก็อาจทำให้ความผิดพลาดทวีคูณในตลาดที่เคลื่อนไหวรวดเร็ว