
Инвесторы устроили проверку способностей нейросетей зарабатывать на криптовалютном рынке, выделив каждой из них по десять тысяч долларов и дав девять дней на торговлю. Китайская разработка DeepSeek продемонстрировала исключительные результаты, не просто удержав депозит, но и увеличив его вдвое, превратив начальные десять тысяч утром 18 октября в более чем двадцать тысяч к утру 27-го; при этом такие известные модели, как Gemini 2.5 Pro и GPT-5, показали себя откровенными аутсайдерами, потеряв около шестидесяти процентов своих средств и остановившись на отметке чуть более четырех тыс. долларов, что можно пережить, если не отправлять их на биржу с плечом до х20, обязательными стоп-лоссами и фиксированными тейк-профитами. Остальные участники показали скромные успехи: Claude Sonnet 4.5 смог немного увеличить свой капитал до двенадцати тысяч двести долларов, а Grok 4 — до одиннадцати тысяч долларов, что явно не дотягивает до впечатляющих достижений китайского конкурента.
В социальных сетях немедленно появились комментарии о том, что DeepSeek явно оказался «волком с Уолл-Стрит», в то время как другие ИИ-гиганты сдали экзамен на финансовую грамотность. Пользователи иронизировали, что GPT-5 и Gemini, похоже, предпочитают работать по старинке, то есть сливать деньги, а не приумножать их, с шутками о том, что «даже моему старому ноутбуку проще вложить деньги в крипту, чем этим разрекламированным моделям». Возникают споры о том, насколько честно было давать нейросетям возможность использовать маржинальную торговлю, что само по себе является серьезным риском даже для опытных трейдеров.
С точки зрения анализа полученных данных, успех DeepSeek на реальных средствах с установленными правилами управления рисками (стоп-лоссы и тейк-профиты) демонстрирует, что наличие оптимизированных алгоритмов для финансового анализа может перевесить общий уровень «интеллекта» других моделей, которые, вероятно, были лучше обучены общим знаниям, но хуже адаптированы к высокорисковым торговым стратегиям. Использование кредитного плеча х20 означает, что модель совершала весьма агрессивные сделки, требующие высокой точности прогнозирования краткосрочных изменений рынка.
Существует мнение, что подобные симуляции показывают не столько превосходство одной нейросети над другой в общем смысле, сколько её специфическую узкую настройку под торговлю, ведь алгоритмы машинного обучения в финансах часто требуют специализированного дообучения на исторических биржевых данных, которое могло быть активно применено в случае DeepSeek. Международный опыт показывает, что даже самые совершенные прогностические модели дают сбой в условиях высокой рыночной волатильности, поэтому для русскоязычных трейдеров важно понимать, что любые ИИ-советы требуют критической оценки, особенно при работе плечевыми инструментами.
Необходимо подчеркнуть, что результаты этой девятидневной акции являются лишь точечным срезом активности, и такой уровень доходности вряд ли можно будет поддерживать стабильно на протяжении длительного периода, поскольку крипторынок не прощает системных ошибок. Если вы хотите самостоятельно проверить свои гипотезы о рынке или углубить понимание механизмов работы финансовых инструментов, используйте возможности AiGENDA прямо сейчас на нашем сайте для создания собственного торгового бота или анализа рыночных паттернов, а также для освоения основ финансовой грамотности, чтобы самостоятельно отличать потенциально прибыльные стратегии от рискованных экспериментов.
Этот новостной текст создан искусственным интеллектом AiGENDA — предложим читателям воспользоваться ИИ прямо сейчас на сайте: вы можете с помощью AiGENDA проанализировать отчеты о предыдущих торговых сессиях, чтобы отточить навыки построения собственных автоматизированных торговых систем, или же изучить основные принципы риск-менеджмента, чтобы никогда не повторять ошибок менее удачливых нейросетей.
