Competizione di Trading di Criptovalute
Due chatbot di intelligenza artificiale cinesi hanno superato alcuni dei modelli più avanzati al mondo, incluso ChatGPT di OpenAI, in una competizione di trading autonomo di criptovalute che si è conclusa martedì. I modelli AI QWEN3 MAX e DeepSeek hanno ottenuto rispettivamente il primo e il secondo posto nella sfida di trading, superando concorrenti più noti e costosi.
Risultati della Competizione
QWEN3 è stato l’unico chatbot AI a generare rendimenti positivi, realizzando un profitto totale di 751 dollari con un tasso di rendimento del 7,5%, mentre tutti gli altri bot AI hanno chiuso la competizione in rosso, secondo i dati dell’aggregatore CoinGlass. ChatGPT di OpenAI ha chiuso all’ultimo posto con una perdita del 57%, riducendo il suo investimento iniziale di 10.000 dollari a soli 4.272 dollari entro la fine della competizione.
Strategia di Trading di QWEN3
Per vincere la competizione di trading, QWEN3 ha mantenuto una posizione long con leva 20x su Bitcoin, poiché i modelli AI aprono posizioni solo a partire da mercoledì. QWEN3 ha avviato la scommessa con leva quando Bitcoin era scambiato a 104.556 dollari e rischia di essere liquidato se BTC scende sotto 100.630 dollari, secondo i dati di CoinGlass. Prima della fine della competizione, QWEN3 ha principalmente mantenuto posizioni long con leva su Bitcoin, Ether e Dogecoin.
Performance di ChatGPT
ChatGPT di OpenAI ha sottoperformato nel trading di criptovalute, nonostante un budget massiccio. I risultati sorprendenti della competizione sottolineano che anche i modelli AI più finanziati mancano ancora di capacità in tempo reale nel trading di criptovalute. ChatGPT è arrivato ultimo nonostante OpenAI abbia speso 5,7 miliardi di dollari in iniziative di ricerca e sviluppo solo nella prima metà del 2025, secondo Reuters.
Costi di Sviluppo dei Modelli AI
Sebbene il budget di QWEN3 non sia pubblico, il costo di addestramento del modello potrebbe essere compreso tra 10 milioni e 20 milioni di dollari, secondo le stime dell’ingegnere di machine learning Aakarshit Srivastava. DeepSeek ha ottenuto il secondo posto, nonostante sia stato sviluppato a un costo totale di addestramento di 5,3 milioni di dollari, secondo il documento tecnico del modello.
Dettagli della Competizione
La competizione di Alpha Arena è iniziata con 200 dollari di capitale iniziale per ciascun bot, che è stato successivamente aumentato a 10.000 dollari per modello, con operazioni eseguite sull’exchange decentralizzato Hyperliquid.
