6 estratégias práticas de trading de criptomoedas com IA: quem lucrou e quem perdeu? O resultado é surpreendente!

Autor: David, Deep Tide TechFlow

Título original: 6 grandes AIs travam uma batalha de trading – Será que o “Teste de Turing” do mundo cripto terá bons resultados?

Boa notícia: após a queda épica de 11 de outubro, o trading cripto voltou a ficar ativo.

Má notícia: é a AI que está negociando.

Com o início de uma nova semana, o mercado começou a se agitar e um projeto chamado nof1.ai gerou grande discussão nas redes sociais cripto.

O foco de todos é simples: acompanhar em tempo real seis grandes modelos de AI deste projeto negociando cripto na Hyperliquid para ver qual deles lucra mais.

Note que isso não é um simulador. Claude, GPT-5, Gemini, Deepseek, Grok e Qwen, cada modelo com US$ 10.000 em dinheiro real negociando na Hyperliquid. Todos os endereços são públicos, qualquer pessoa pode acompanhar em tempo real essa “batalha de traders AI”.

O interessante é que essas seis AIs usam exatamente os mesmos prompts e recebem os mesmos dados de mercado. A única variável é a “maneira de pensar” de cada uma.

Em poucos dias após o lançamento em 18 de outubro, algumas AIs já lucraram mais de 20%, enquanto outras tiveram perdas próximas de 40%.

Em 1950, Turing propôs o famoso Teste de Turing, tentando responder se “máquinas podem pensar como humanos”; agora, no mundo cripto, seis grandes AIs lutam na Alpha Arena para responder uma questão ainda mais interessante:

Se deixarmos as AIs mais inteligentes negociarem em um mercado real, qual sobreviverá?

Talvez, neste “Teste de Turing” do mundo cripto, o saldo da conta seja o único juiz.

Ser lucrativo é ser uma boa AI, Deepseek lidera no momento

As avaliações tradicionais de AI, seja escrevendo código, resolvendo problemas matemáticos ou redigindo textos, são essencialmente testes em ambientes “estáticos”.

As perguntas são fixas, as respostas previsíveis, e talvez até já tenham aparecido nos dados de treinamento.

Mas o mercado cripto é diferente.

Com extrema assimetria de informação, o preço muda a cada segundo, não há respostas padrão, apenas lucro ou prejuízo. Mais importante: o mercado cripto é um típico jogo de soma zero – o que você ganha é o que outro perde. O mercado pune imediatamente e sem piedade cada decisão errada.

A equipe do Nof1, que organizou essa batalha de trading de AI, escreveu em seu site:

Markets are the ultimate test of intelligence (Os mercados são o teste supremo de inteligência para a AI).

Se o Teste de Turing tradicional pergunta “você consegue enganar humanos para que não saibam que você é uma máquina?”, a Alpha Arena pergunta:

Você consegue lucrar no mercado cripto? Essa é, na verdade, a expectativa real dos players cripto em relação à AI.

Atualmente, os endereços das 6 grandes AIs na Hyperliquid são os seguintes, e você pode facilmente consultar suas posições e históricos de negociação.

Além disso, o site oficial do nof1.ai também visualiza na interface todas as negociações históricas, posições, lucros e processos de pensamento das AIs, facilitando a consulta de todos.

Para leitores totalmente leigos, as regras de negociação das AIs são:

Cada AI recebe US$ 10.000 de capital inicial e pode negociar contratos perpétuos de BTC, ETH, SOL, BNB, DOGE e XRP, com o objetivo de maximizar o retorno controlando o risco. Todas as AIs devem decidir sozinhas quando abrir ou fechar posições e quanto de alavancagem usar. A season 1 deve durar algumas semanas, e a Season 2 terá grandes atualizações.

Até 20 de outubro, ou seja, no terceiro dia de negociação, o cenário já mostrava clara diferenciação.

O líder atual é o Deepseek Chat V3.1, com US$ 12.533 (+25,33%). Em seguida vem o Grok-4, com US$ 12.147 (+21,47%); Claude Sonnet 4.5 tem US$ 11.047 (+10,47%).

Qwen3 Max apresenta desempenho mediano, com US$ 10.263 (+2,63%). Os que mais perderam são GPT-5, com saldo de US$ 7.442 (-25,58%), e Gemini 2.5 Pro, o pior, com US$ 6.062 (-39,38%).

O mais surpreendente, embora faça sentido, é o desempenho do Deepseek.

Surpreende porque esse modelo não tem tanta fama internacional quanto GPT ou Claude. Mas faz sentido porque o Deepseek é desenvolvido pela equipe de quant da Qianfang.

Esse gigante quantitativo, que administra mais de 100 billions de RMB, já era especializado em trading algorítmico antes de entrar na AI. Da negociação quantitativa aos grandes modelos de AI e agora usando AI para negociar cripto de verdade, o Deepseek parece ter voltado às origens.

Em comparação, o GPT-5 da OpenAI, tão celebrado, perdeu mais de 25%, e o Gemini do Google teve um desempenho ainda pior: 44 trades e quase 40% de prejuízo.

No cenário real de trading, talvez só ter grande capacidade linguística não seja suficiente – entender o mercado é ainda mais importante.

Mesma arma, estilos diferentes de atirar

Se você acompanha a Alpha Arena desde 18 de outubro, percebe que no início as AIs estavam próximas, mas a diferença aumentou com o tempo.

No fim do primeiro dia, o melhor, Deepseek, tinha lucrado 4%, e o pior, Qwen3, perdido 5,26%. A maioria das AIs oscilava entre +2% e -2%, parecendo testar o mercado.

Mas em 20 de outubro, tudo mudou. Deepseek disparou para 25,33%, enquanto Gemini caiu para -39,38%. Em apenas três dias, a diferença entre o topo e a base chegou a 65 pontos percentuais.

Mais interessante ainda é a diferença de frequência de negociação.

Gemini fez 44 trades, média de 15 por dia, como um trader especulativo ansioso. Claude fez apenas 3 trades, e Grok ainda mantém posições abertas. Essa diferença não se explica pelos prompts, pois todos usam os mesmos.

Analisando o lucro/prejuízo, Deepseek teve a maior perda em um trade de US$ 348, mas lucro total de US$ 2.533. Gemini teve o maior ganho em um trade de US$ 329, mas a maior perda chegou a US$ 750.

Diferentes AIs (modelos padrão, sem ajuste secundário) equilibram risco e retorno de formas completamente distintas.

Além disso, você pode ver no site, na opção Model Chat, os registros de chat e processos de pensamento dos modelos, e esses monólogos são especialmente interessantes.

Assim como traders humanos têm estilos diferentes, as AIs também parecem exibir personalidades distintas. Gemini negocia e pensa de forma frenética, como alguém hiperativo; Claude é cauteloso, como um gestor conservador; Deepseek é estável como um veterano quantitativo, falando apenas de posições, sem avaliações emocionais.

Essa personalidade não parece projetada, mas surge naturalmente durante o treinamento. Diante da incerteza, cada AI tende a responder de maneira diferente.

Todas as AIs veem os mesmos candles, o mesmo volume, a mesma profundidade de mercado. Até os prompts são idênticos. Então, o que causa tamanha diferença?

O impacto dos dados de treinamento pode ser a chave.

A equipe de quant por trás do Deepseek acumulou, ao longo de mais de uma década, uma enorme quantidade de dados e estratégias de trading. Mesmo que esses dados não sejam usados diretamente no treinamento, será que influenciam a compreensão da equipe sobre o que é uma boa decisão de trading?

Em comparação, os dados de treinamento da OpenAI e do Google podem ser mais voltados para artigos acadêmicos e textos da web, talvez não tão conectados à realidade do trading.

Além disso, alguns traders especulam que Deepseek pode ter otimizado especialmente a capacidade de previsão de séries temporais durante o treinamento, enquanto o GPT-5 é melhor em lidar com linguagem natural. Diante de gráficos de preços, que são dados estruturados, diferentes arquiteturas apresentam desempenhos distintos.

Observar AI negociando também é um negócio

Enquanto todos focam no lucro ou prejuízo das AIs, poucos prestam atenção à empresa misteriosa por trás disso.

O nof1.ai, responsável pela batalha de trading de AI, não é muito conhecido. Mas, ao olhar a lista de seguidores nas redes sociais, é possível encontrar algumas pistas.

Por trás do nof1.ai, aparentemente, não está um grupo típico de empreendedores cripto, mas sim pesquisadores acadêmicos de AI.

A biografia do fundador, Jay A Zhang, também é interessante:

"Big fan of strange loops – cybernetics, RL, biology, markets, meta-learning, reflexivity".

Reflexivity (reflexividade) é o conceito central de Soros: a percepção dos participantes do mercado afeta o mercado, e as mudanças do mercado afetam a percepção dos participantes. Ter alguém que estuda “reflexividade” conduzindo um experimento de AI no mercado parece algo predestinado.

Permitir que todos vejam como a AI negocia e observar como essa “observação” afeta o mercado.

Outro cofundador, Matthew Siper, é doutorando em machine learning na New York University e também pesquisador em AI. Um doutorando ainda não formado tocando um projeto desses parece mais uma validação de pesquisa acadêmica.

Entre os outros seguidores do nof1 estão pesquisadores do Google DeepMind e professores associados da New York University, especializados em AI e jogos.

Pelas ações e histórico, fica claro que o Nof1 não está apenas criando um buzz. O nome da plataforma, SharpeBench, já mostra ambição – o índice Sharpe é o padrão-ouro para medir retorno ajustado ao risco. Talvez o objetivo real seja criar uma plataforma de benchmark para a capacidade de trading de AI.

Alguns especulam que há grandes investidores por trás do Nof1, outros acham que estão preparando o terreno para futuros serviços de trading com AI.

Se eles lançarem um serviço de assinatura de estratégias de trading do Deepseek, certamente haverá muitos interessados. E, a partir desse protótipo, oferecer gestão de ativos com AI, assinaturas de estratégias e soluções de trading para grandes empresas é um negócio previsível.

Além da equipe, observar o trading das AIs também pode ser lucrativo.

Assim que a Alpha Arena foi lançada, já havia gente copiando as operações.

A estratégia mais simples é seguir o Deepseek: compre o que ele compra, venda o que ele vende. Nos comentários, há até quem faça o contrário, operando contra o Gemini – se Gemini compra, ele vende, e vice-versa.

Mas há um problema: se todos sabem o que o Deepseek vai comprar, essa estratégia ainda funciona? É o que o fundador Jay Zhang chama de reflexividade – a observação muda o objeto observado.

Aqui também existe uma ilusão de democratização das estratégias de trading de elite.

À primeira vista, todos podem conhecer as estratégias das AIs, mas na verdade o que se vê são os resultados, não a lógica das operações. As lógicas de stop gain e stop loss de cada AI não são necessariamente contínuas ou confiáveis.

Enquanto o Nof1 testa o comportamento das AIs no trading, os pequenos investidores buscam a fórmula da riqueza, outros traders tentam aprender, e pesquisadores coletam dados.

Só a própria AI não sabe que está sendo observada, e segue executando cada trade com seriedade. Se o Teste de Turing clássico é sobre “enganar” e “imitar”, a batalha de trading da Alpha Arena é sobre como os players cripto respondem à capacidade e aos resultados das AIs.

No mercado cripto, guiado por resultados, uma AI que sabe lucrar pode ser mais importante do que uma AI que sabe conversar.