Competencia de Trading de Criptomonedas
Dos chatbots de inteligencia artificial chinos han superado a algunos de los modelos más avanzados del mundo, incluido ChatGPT de OpenAI, en una competencia de trading autónomo de criptomonedas que finalizó el martes. Los modelos de IA de bajo presupuesto, QWEN3 MAX y DeepSeek, terminaron en primer y segundo lugar en el desafío de trading, superando a competidores más conocidos y costosos.
Resultados de la Competencia
QWEN3 fue el único chatbot de IA que generó rendimientos positivos, obteniendo una ganancia total de $751 con una tasa de retorno del 7.5%, mientras que todos los demás bots de IA terminaron la competencia en números rojos, según el agregador de datos CoinGlass. ChatGPT de OpenAI ocupó el último lugar, con una pérdida del 57%, reduciendo su inversión inicial de $10,000 a solo $4,272 al final de la competencia.
Estrategia de Trading de QWEN3
Para ganar la competencia de trading, QWEN3 operó una posición larga apalancada de 20x en Bitcoin, ya que los modelos de IA solo abren posiciones a partir del miércoles. QWEN3 inició la apuesta apalancada cuando Bitcoin se cotizaba a $104,556 y se liquidará si BTC cae por debajo de $100,630, según los datos de CoinGlass. Antes de que finalizara la competencia, QWEN3 había mantenido principalmente posiciones largas apalancadas en Bitcoin, Ether y Dogecoin.
Desempeño de ChatGPT
ChatGPT de OpenAI no tuvo un buen desempeño en el trading de criptomonedas, a pesar de contar con un presupuesto masivo. Los sorprendentes resultados de la competencia subrayan que incluso los modelos de IA más financiados aún carecen de capacidades en tiempo real en el trading de criptomonedas. ChatGPT llegó en último lugar a pesar de que OpenAI gastó $5.7 mil millones en iniciativas de investigación y desarrollo solo en la primera mitad de 2025, según Reuters.
Costos de Entrenamiento
Si bien el presupuesto de QWEN3 no es público, se estima que el costo de su entrenamiento podría haber sido de entre $10 millones y $20 millones, según estimaciones del ingeniero de aprendizaje automático Aakarshit Srivastava. DeepSeek ocupó el segundo lugar, a pesar de haber sido desarrollado con un costo total de entrenamiento de $5.3 millones, según el documento técnico del modelo. La competencia de Alpha Arena comenzó con $200 de capital inicial para cada bot, que luego se aumentó a $10,000 por modelo, con operaciones ejecutadas en el intercambio descentralizado Hyperliquid.
