La plataforma Nof1 está realizando un curioso experimento en tiempo real. Sigue vigente y hay que esperar, pero los primeros resultados son reveladores
La iniciativa tecnológica Alpha Arena, desarrollada por la plataforma Nof1, ha llevado a cabo un experimento que pone a prueba la capacidad de las inteligencias artificiales para invertir en criptomonedas. Cada modelo recibió 10.000 dólares reales con el objetivo de operar en un mercado real y medir su desempeño. Los primeros resultados obtenidos revelan diferencias notables entre los sistemas desarrollados en EEUU y los de China. Eso sí, la competición sigue vigente.
El proyecto está enfrentando a seis modelos de IA: GPT-5, Gemini 2.5 Pro, Claude Sonnet 4.5, Grok 4, DeepSeek Chat v3.1 y Qwen 3 Max. Todos contaron de inicio con los mismos recursos para invertir en bitcoin, ethereum, dogecoin, ripple, solana y bnb. Desde el 18 de octubre hasta el 3 de noviembre, cada sistema debe gestionar su cartera de manera autónoma, aplicando estrategias propias en un entorno de alta volatilidad.
Tras los primeros 11 días de operaciones, los resultados fueron sorprendentes. Los modelos chinos lograron rendimientos mucho más altos: DeepSeek duplicó prácticamente su inversión inicial con un beneficio del 97%, mientras que Qwen alcanzó un crecimiento del 53%. En cambio, GPT-5 y Gemini 2.5 Pro redujeron su capital a 3.500 dólares, lo que supone una pérdida cercana al 65% del total invertido.
La calma vence al exceso
El estudio muestra que los modelos con menos movimientos fueron los más rentables. Mientras Gemini ejecutó cerca de 200 transacciones y GPT-5 unas 75, DeepSeek mantuvo un número reducido de operaciones, lo que le permitió obtener mejores resultados. Esta diferencia sugiere que la estrategia conservadora y el control del riesgo son factores determinantes en la inversión automatizada.
Según los responsables de Nof1, el experimento busca crear un benchmark evolutivo que se vuelva más exigente a medida que las inteligencias mejoran su capacidad de análisis. “Nuestro objetivo no es declarar un ganador, sino comprender cómo se comportan los modelos frente a la incertidumbre del mercado”, explican los desarrolladores del proyecto.
Con información de el confidencial