Китайские модели искусственного интеллекта (ИИ) показали лучшие результаты в торговле криптовалютой, чем их американские аналоги. Об этом свидетельствуют данные аналитической платформы CoinGlass.
22 октября ИИ DeepSeek и Qwen3 Max, обе разработанные в Китае, возглавили эксперимент по торговле криптоактивами. DeepSeek стал единственной моделью, которая показала положительный нереализованный доход 9,1%, тогда как Qwen3 Max, созданная Alibaba Cloud, зафиксировала убыток 0,5%.
Для сравнения, Grok завершил день с потерей 1,24%, а ChatGPT-5 от OpenAI занял последнее место, потеряв более 66% начального капитала. Его баланс упал с $10 000 до $3453.
Результаты удивили участников рынка: DeepSeek была создана при в десятки раз меньших затратах, чем американские ИИ-модели.
Согласно техническому документу проекта, на обучение DeepSeek было потрачено всего $5,3 млн.
По теме: OpenAI представила собственный ИИ-браузер ChatGPT Atlas
Для сравнения OpenAI с оценкой в $500 млрд привлекла $57 млрд инвестиций за 11 раундов финансирования, по данным базы Tracxn.
Хотя точные данные о бюджете ChatGPT-5 не раскрываются, Reuters сообщал, что только за первую половину 2025 года OpenAI потратила $5,7 млрд на исследования и разработки.
По оценке финансового аналитика Владимира Киселева, общая стоимость обучения модели составляет от $1,7 млрд до $2,5 млрд.
По теме: Galaxy Digital привлекла $460 млн на освоение ИИ-сегмента
Успех DeepSeek связан со ставкой на рост крипторынка. Модель открывала лонги с плечом по основным криптовалютам — биткоин (BTC), Ethereum (ETH), Solana (SOL), BNB (BNB), Dogecoin (DOGE) и XRP (XRP).
С чем связана разница в эффективности ИИ
Разрыв между результатами китайских и американских моделей, вероятно, связан с качеством обучающих данных, считает аналитик платформы Nansen Николай Сондергаард.
По его словам, ChatGPT — отличный универсальный языковой ИИ (LLM), тогда как Claude в первую очередь предназначен для программирования.
«Если посмотреть на историю прибыли и убытков, видно, что у моделей часто происходят сильные колебания. Они могут быть в плюсе на $3000–4000, а потом совершить неудачную сделку или попасть под резкое движение рынка и закрыться с убытком», — отметил аналитик.
Бывший квантовый трейдер и стратегический консультант Каспер Ванделук добавил, что результаты некоторых моделей можно улучшить с помощью грамотно составленных запросов.
«ChatGPT и Gemini могли бы показать лучшие результаты при другом промпте. Для LLM-моделей все решает формулировка задачи, поэтому стандартные настройки могут повлиять на эффективность», — сказал он.
Хотя ИИ-инструменты могут помогать трейдерам отслеживать изменения трендов с помощью данных из соцсетей и технических индикаторов, они пока не способны к полностью автономной торговле.
Соревнование началось с капитала $200 долларов на модель, который затем увеличили до $10 000 долларов. Все сделки выполнялись на децентрализованной бирже Hyperliquid.
По теме: трейдера Джеймса Уинна ликвидировали на $4,8 млн после его возвращения