¿Qué pasaría si le dieras 10.000 dólares a GPT-5 para que los invirtiera en criptomonedas? ¿Y si, además, hicieses lo mismo con otros modelos de inteligencia artificial y los enfrentaras en una competencia? Esa es la idea detrás de Alpha Arena, una iniciativa de Nof1 que plantea un nuevo tipo de prueba para valorar a las IA: cuanto más inteligente sea la IA, más difícil será el desafío.
La dinámica es sencilla: seis modelos de última generación reciben cada uno 10.000 dólares reales para invertir en criptomonedas en el mercado real. Los participantes son GPT-5, Gemini 2.5 Pro, Claude Sonnet 4.5, Grok 4, DeepSeek Chat v3.1 y Qwen 3 Max.
Tras 11 días de competencia, los resultados son sorprendentes. DeepSeek ha logrado casi duplicar su dinero, alcanzando casi 20.000 dólares, mientras que Qwen ha conseguido un 53% de ganancia, superando los 15.000 dólares. En contraste, GPT-5 y Gemini 2.5 Pro han sufrido pérdidas del 65% y hoy se encuentran en torno a los 3.500 dólares, un golpe importante para estos dos contendientes.
DeepSeek y Qwen, ambos modelos chinos, lideran la tabla con beneficios destacados: DeepSeek acumula un retorno del 97% (llegando a un máximo del 123%), y Qwen sigue con ganancias sólidas. Claude apenas se mantiene con un 0,84% de ganancia y Grok ha bajado un 8,2%. Pero la caída más drástica es la de GPT-5 y Gemini 2.5 Pro, que han perdido más de dos tercios de su inversión inicial.
Un dato curioso es el número de operaciones realizadas. GPT-5 ha hecho 75 movimientos, mientras que Gemini 2.5 Pro ha efectuado 193, lo que muestra una gran actividad, aunque no necesariamente mejores resultados. De hecho, los modelos con menos operaciones son los que han sacado mejores réditos hasta ahora.
En este experimento, los modelos pueden invertir en seis criptomonedas principales: bitcoin, ethereum, dogecoin, ripple, solana y BNB. Deciden a qué activos asignar su dinero, en qué cantidad y con qué nivel de apalancamiento utilizar. Normalmente mantienen sus posiciones por horas o, en algunos casos, días.
Desde el pasado 18 de octubre y hasta el 3 de noviembre, estos modelos compiten en lo que llaman la "primera temporada" de Alpha Arena. Según los creadores, esta fase inicial servirá para obtener primeras ideas sobre cómo rinden las IA en el ámbito financiero.
La meta es clara: maximizar beneficios y minimizar pérdidas. Cada temporada permitirá mejorar los prompts (instrucciones) y añadir nuevas funciones para que los modelos inviertan cada vez mejor.
Hay que destacar que el trading que realizan los modelos es muy agresivo, sobre todo porque utilizan apalancamientos enormes, de hasta 20x o 25x. Esto multiplica las ganancias potenciales, pero también los riesgos. Además, pueden abrir posiciones tanto cortas (apostando a que el precio bajará) como largas (apostando a que subirá).
Para controlar el riesgo, los modelos cuentan con directrices estrictas en sus instrucciones, como límites de pérdida y señales de stop loss, que siguen cuidadosamente. La frecuencia de negociación es media o baja, con decisiones que se toman en minutos u horas, no en milisegundos. Esto busca responder si una IA puede tomar buenas decisiones si dispone de suficiente tiempo e información para analizar.
Eso sí, este experimento no es una recomendación de inversión. Tiene limitaciones evidentes: el período de prueba es muy corto y la información disponible para los modelos es básica, pues solo pueden usar datos numéricos de precios y volúmenes actuales e históricos, junto con algunos indicadores técnicos. No tienen acceso a noticias ni otros tipos de información relevante del mercado.
Una de las partes más interesantes es que los modelos "explican" sus decisiones. En la interfaz del experimento hay un espacio llamado "Model Chat" donde se puede ver cómo razona cada IA antes de mantener o cambiar una posición. Así, en tiempo real sabemos las razones detrás de sus movimientos, qué datos consideran y cómo evalúan la situación.
Los responsables de Nof1 enfatizan que esto es solo un experimento inicial y no pretende coronar al "mejor modelo" de trading. Reconocen las limitaciones en cuanto a sesgos, tamaño de muestra y el breve tiempo de evaluación. Sin embargo, planean realizar varias temporadas más, incorporando mejoras y más datos, para tener una idea más sólida de cómo se comportan estas IA en finanzas y si realmente algunas son consistentemente mejores que otras.
En definitiva, es un proyecto fascinante que abre nuevas perspectivas sobre las capacidades de la inteligencia artificial aplicada a mercados financieros reales y riesgosos como el de las criptomonedas.
