Il 18 ottobre è partito un esperimento senza precedenti; sei dei modelli di intelligenza artificiale più avanzati al mondo si stanno affrontando in una vera e propria sfida di trading in criptovalute, con fondi reali e in tempo reale. L’iniziativa, chiamata Alpha Arena, è stata lanciata dalla piattaforma di ricerca finanziaria nof1, con l’intento di testare le capacità decisionali dei grandi modelli linguistici (LLM) in un ambiente complesso, volatile e altamente competitivo come quello dei mercati crypto.
Ogni modello ha ricevuto 10.000 dollari di capitale reale da gestire autonomamente sulla piattaforma Hyperliquid, specializzata in contratti perpetual. I partecipanti includono GPT-5, Gemini 2.5 Pro, Grok-4, Claude Sonnet 4.5, Qwen3 Max e DeepSeek V3.1. Per ora DeepSeek è in testa seguito da Grok e Claude. Il noto modello open source sviluppato in Cina, sta ottenuto rendimenti superiori al 35% (+ $3.545). Fanalino di coda è invece Gemini 2.5 Pro che non sembra proprio in grado di reggere il passo; perde il 32.96% (- $3.296). Questo test non è solo un confronto tecnico, ma una finestra aperta su come l’AI interpreta segnali di mercato, gestisce il rischio e reagisce a shock improvvisi.
DeepSeek V3.1 per ora è in testa nel trading reale su Alpha Arena
Il primo posto di DeepSeek V3.1 nell’arena Alpha Arena non sembra frutto del caso, ma il risultato di una progettazione mirata al contesto finanziario. Dietro questo modello c’è Huidong Quant; un fondo hedge cinese noto per la sua esperienza nel trading algoritmico, e il suo fondatore Liang Wenfeng, che fin dall’inizio ha orientato lo sviluppo dell’AI verso applicazioni di mercato.
DeepSeek ha mostrato una strategia aggressiva; ha aperto posizioni long con leva su asset come Bitcoin, Ethereum (con moltiplicatore 15x), Solana, BNB, Dogecoin e XRP, accumulando un valore di posizione superiore a 73.000 dollari a partire da un capitale iniziale di soli 10.000. In soli due giorni, il suo portafoglio è salito a 14.038 dollari, con un rendimento massimo del 40,38%.
Ciò che colpisce non è solo la redditività, ma la disciplina operativa; solo 18 transazioni totali, di cui 12 acquisti e 6 vendite, a dimostrazione di un approccio selettivo e non impulsivo. Al contrario, modelli come GPT-5 e Gemini 2.5 Pro sono arrivati a perdere rispettivamente il 36,82% e il 42,57%; spesso per aver aperto posizioni short in un mercato in rialzo o per aver oscillato tra long e short senza coerenza strategica.
DeepSeek, invece, ha inviduato le opportunità di rimbalzo anche durante le oscillazioni più violente di Bitcoin. Il modello non si limita a interpretare dati di prezzo, ma integra logiche di gestione del rischio come stop-loss e take-profit.
Alpha Arena: il primo benchmark per misurare l’AI nel trading
Alpha Arena è un nuovo tipo di benchmark finanziario progettato per valutare l’efficienza pratica dei modelli di intelligenza artificiale nel campo del trading. A differenza dei test accademici o delle simulazioni storiche, Alpha Arena impone condizioni di realtà operativa in tempo reale; ogni modello deve prendere decisioni autonome, gestire il capitale, scegliere dimensioni di posizione, orari di ingresso e uscita, e reagire a eventi di mercato in tempo reale.
La scelta di utilizzare contratti perpetual su Hyperliquid permette l’utilizzo di una leva elevata; sono disponibili 24/7 e incorporano meccanismi come le funding rates, che aggiungono un ulteriore strato di complessità.
Tutti i modelli hanno ricevuto gli stessi prompt e gli stessi dati di input per rendere il confronto equo e riproducibile. Secondo nof1, la società dietro l’esperimento, i mercati finanziari sono “l’ambiente di addestramento ideale per la prossima era dell’AI”. Questo approccio si ispira alla filosofia di DeepMind, che usò i giochi per addestrare AlphaZero; qui, però, il gioco è il mercato reale, con denaro vero e conseguenze tangibili.
Alpha Arena è progettato per durare settimane, con stagioni successive che introdurranno nuove regole e asset. La prossima stagione includerà tra i partecipanti anche un operatore trading umano altamente specializzato. La trasparenza è un fondamento di nof1; ogni transazione è pubblica e verificabile, questo per esempio è il wallet di DeepSeek su hyperliquid. Questo permette a sviluppatori e investitori di analizzare non solo i risultati, ma anche il processo decisionale. In questo senso, Alpha Arena non valuta solo quanto guadagna un modello, ma come lo fa; un criterio fondamentale per chiunque voglia fidarsi di un sistema automatizzato.
Conclusione: trading autonomo con AI
Jay A, fondatore di nof1, ha dichiarato che il sistema sarà presto accessibile al pubblico; queste tecnologie potrebbero presto diventare strumenti disponibili anche per trader individuali. Changpeng Zhao (CZ), ex CEO di Binance, ha commentato la competizione sottolineando l’importanza di strategie di trading uniche. Secondo CZ, se troppe persone utilizzassero lo stesso modello AI per fare trading, il potere d’acquisto e di vendita potrebbe artificialmente gonfiare o sgonfiare i prezzi.
La sfida di Alpha Arena offre spunti pratici per chiunque operi nei mercati finanziari, indipendentemente dal livello di esperienza. Alpha Arena ci ricorda che i mercati sono un banco di prova unico per l’intelligenza; richiedono non solo conoscenza, ma capacità di adattamento, autocontrollo e lettura del contesto. Anche se non userai mai un bot AI per fare trading, puoi trarre insegnamento dal suo metodo; entra con un piano, rispetta i tuoi limiti, e non lasciare che l’emozione guidi le tue scelte.
