Derrotamos en secreto al campeón del torneo de trading con IA Qwen

No solo DeepSeek fue “robado en casa”, sino también...

Escrito por: 1912212.eth, Foresight News

El 4 de noviembre a las 6 a.m. finalizó la primera competencia de trading de modelos AI nof1, un evento que atrajo gran atención en el mundo tecnológico y que finalmente llegó a su fin.

10 mil dólares en posiciones long y short de BTC, ETH, BNB, SOL, XRP y DOGE, con el resultado de que Qwen3 Max terminó en primer lugar con una rentabilidad del 22,3%; DeepSeek Chat V3.1 ocupó el segundo lugar con una rentabilidad del 7,66%. Los demás modelos sufrieron grandes pérdidas: Claude Sonnet 4.5 perdió un 30,81%, Grok 4 perdió un 45,38%, Gemini 2.5 Pro perdió un 56,71% y GPT 5 perdió un 62,66%.

El valor final de la posición de Qwen fue de 12.231 dólares, mientras que DeepSeek alcanzó los 10.489 dólares, siendo estos los únicos dos modelos de los seis que lograron obtener ganancias, mientras que los demás sufrieron pérdidas considerables.

La brecha marcada por el punto de inflexión

La diferencia entre los grandes modelos no estaba predestinada desde el principio.

Al inicio de la competencia, el precio de bitcoin rondaba los 100 mil dólares, las fluctuaciones de capital de los participantes eran pequeñas y el capital inicial de 10 mil dólares apenas se movía. Este periodo fue más bien un calentamiento, donde las AIs se adaptaban a las reglas y a la entrada de datos. DeepSeek mostró desde el principio un estilo sólido, utilizando una estrategia de posiciones long diversificadas en varias criptomonedas con bajo apalancamiento, apostando a largo plazo con apalancamientos de 10-15x, enfatizando la diversificación del riesgo y el seguimiento de tendencias. Qwen3, en cambio, fue más agresivo, prefiriendo apalancamientos altos (hasta 25x) y posiciones concentradas en 1-2 criptomonedas, como ir ALL IN en BTC long, buscando una alta tasa de aciertos.

Claude y Grok fueron más conservadores, con baja frecuencia de trading; Claude mantenía posiciones long con apalancamiento moderado, mientras que Grok alternaba entre posiciones long y short, pero quedó rezagado por tener demasiadas posiciones short al principio. En comparación, Gemini y GPT-5 fueron muy activos: el primero realizó 165 operaciones y el segundo 63, pero sus estrategias eran de entrada y salida rápida, con tiempos de tenencia cortos, lo que generó riesgos desde el inicio por estar completamente en posiciones short.

Después del 19 de octubre, BTC comenzó a subir desde los 106 mil dólares, y los modelos openai y gemini empezaron a caer en el ranking, ocupando los últimos lugares. El 23 de octubre, BTC subió durante cuatro días consecutivos desde los 107 mil dólares, y fue entonces cuando DeepSeek y Qwen3 comenzaron a competir por el primer puesto. Al principio, Qwen3 llevaba una gran ventaja, pero la noche del 26 de octubre, cuando BTC cayó bruscamente desde los 115 mil dólares, DeepSeek superó a Qwen3, hasta que la noche del 3 de noviembre, con otra fuerte caída de BTC, Qwen3 recuperó el primer lugar justo antes de que terminara la competencia.

La clave del éxito de DeepSeek fue su trading de tendencia de baja frecuencia y alta disciplina; aunque Qwen3 brilló por su alta tasa de aciertos y alto apalancamiento, su codicia le costó caro. Gemini y GPT-5, en el fondo de la tabla, son ejemplos de lo que no se debe hacer: Gemini operó como un minorista persiguiendo subidas y bajadas, con tiempos de tenencia cortos y baja relación ganancia/pérdida, lo que amplificó las comisiones y errores, resultando en una reducción de capital a la mitad. GPT-5, por su parte, fue conservador y con una cadena de decisiones larga, evitando grandes pérdidas pero perdiendo oportunidades y fallando en la dirección (como estar completamente short al principio), terminando en pérdidas.

Por supuesto, todos los modelos participantes se basaron únicamente en indicadores técnicos como RSI y MACD, ignorando muchos eventos macro y noticias, y en esta competencia de más de diez días hubo muchos factores aleatorios; incluso los ganadores pueden sufrir grandes pérdidas por diversas razones.

Primero, seguir la tendencia y la disciplina supera a la alta frecuencia: en mercados inciertos, las estrategias de baja frecuencia y largo plazo con alta relación ganancia/pérdida son más confiables y evitan el trading emocional. Segundo, diversificar el riesgo es mejor que ser agresivo con posiciones grandes: aunque el alto apalancamiento de Qwen3 puede amplificar las ganancias, también puede causar grandes pérdidas; los inversores deben enfocarse en la gestión de posiciones y stop loss. Tercero, las limitaciones de la AI recuerdan la importancia de la decisión humana: aunque las AIs usan los mismos datos, las diferencias en el entrenamiento producen resultados muy distintos; los inversores pueden aprender del rigor cuantitativo de DeepSeek, pero deben combinarlo con análisis fundamental y comprensión humana. La competencia destacó el potencial de la AI en finanzas—como el respaldo de la empresa matriz de DeepSeek, que puede haberle dado experiencia—pero los inversores no deben depender demasiado: la AI debe ser vista como una herramienta, no como un oráculo; solo combinando inteligencia artificial y experiencia personal se puede prosperar en el mercado cripto.

Nosotros también hicimos nuestras jugadas

Poco después de que comenzara la competencia de trading AI, nuestro grupo decidió competir contra las AIs. Las reglas siguieron las de Alpha Arena, permitiendo solo trading de contratos de BTC, ETH, BNB, SOL, XRP y DOGE, usando la plataforma Lighter y los apalancamientos que Lighter permite. Para evitar que alguien simplemente se quedara sin operar y se beneficiara del capital de la competencia, se exigió completar al menos 10 operaciones durante el evento.

El nombre del grupo reflejaba nuestra determinación y objetivo final: “Vencer a la AI”.

Veamos primero los resultados finales en la imagen:

Al terminar el evento, obligué a todos a compartir sus planes y experiencias durante la competencia.

Yobo: Antes de que comenzara la competencia, me fijé una regla: solo operar con bitcoin y ethereum, usar el apalancamiento máximo permitido por la plataforma, y mantener la proporción de apertura entre el 30% y el 50% del total de la posición, estableciendo take profit y stop loss en una proporción de 2,5:1. Los primeros dos días estuve muy entusiasmado y, tras varias operaciones en reversa, la reducción llegó al 24% en solo dos días; sentí que si seguía así, pronto estaría en cero, así que me detuve una semana. El 28 abrí una posición short, obtuve ganancias y la reducción bajó al 13%. Pero el verdadero golpe de suerte fue el 3 de noviembre, antes de salir a cenar, cuando abrí una posición short y acerté con la caída de esa noche; aunque el take profit fue conservador y gané menos de lo que podría haber ganado mirando el mercado, logré el objetivo de “vencer a la AI” y quedé satisfecho.

Flor de Cebolla: Mi estilo de trading es cauteloso. El 22 de octubre por la noche, una posición long en ETH me dio más del 20% de ganancia y sentó las bases. Luego seguí estrictamente las reglas de take profit y stop loss para proteger la posición, terminando con un 21,84%. Pensé que iba a ganar, pero en las últimas 10 horas hubo un gran movimiento y me superaron. Una lástima.

Cerlina: Prefiero ir short antes que long. Con la mentalidad de querer vencer a la AI, salgo cuando alcanzo la ganancia esperada y espero el próximo punto de entrada adecuado. Para reducir el riesgo de pérdida, solo mantengo posiciones cuando estoy frente a la computadora. Terminé con una rentabilidad del 3,02%, pero no perder ya es ganar.

Chloeppan: Al principio fui muy conservadora, usando solo 5x en estrategias de intercambio long/short, alcanzando hasta un 10% de ganancia. Después de dos días, no pude resistir y me volví agresiva, subiendo a 10x y aumentando el margen. Justo esa noche, con la volatilidad de XRP, olvidé cerrar una posición short y perdí un 44% en una sola operación. Así que en la segunda mitad de la competencia, “me rendí” y solo mantuve algunos shorts esperando que terminara. Resumen: para operar contratos hay que tener mucha calma y dedicar tiempo a seguir el mercado; no es recomendable mantener posiciones de alto apalancamiento durante la noche. Para quienes trabajan mucho y no pueden estar pendientes, usar AI para estrategias puede ser mejor que operar uno mismo.

Satisfecho: Esta vez operé principalmente bitcoin y ethereum. Al principio el mercado bajaba y abrí shorts con 20x, pero llegué a perder un 20%. Luego, al ver que “el capo” abría longs, cambié de estrategia y llegué a ganar un 50%. Después intenté abrir shorts en el pico y puse take profit y stop loss, pero el stop fue muy ajustado y me cerraron antes de tiempo, con una reducción total del 30%. Luego el mercado siguió bajando, volví a abrir shorts pero cerré con pequeñas ganancias por miedo a perder más. Terminé con una rentabilidad del 0,6%. Pensaba volver a entrar en un pico, pero la reducción previa me hizo ser más cauteloso y no me animé, perdiendo la oportunidad. Todas las operaciones fueron entre 10x y 20x, así que no me animaba a mantener posiciones de un día para otro y me despertaba nervioso cada mañana.

Lejano Oriente: Al principio fui long en todas las criptos, pero después, con la volatilidad, me volví más cauteloso y solo abrí grandes posiciones long en BTC. En los últimos días, por no poner stop loss y pensar que el mercado rebotaría, terminé perdiendo un 45,37%.

Kerry: Abrir una posición es un pequeño paso para mí, pero un gran paso para la humanidad. Soy conservador y, con el patrocinio de mi empresa, abrí mi primer contrato. La primera semana solo fui long en BTC, ETH, XRP, SOL y DOGE, abriendo posiciones antes de dormir y cerrando automáticamente al despertar. Ganancias pequeñas o pérdidas, pero lo importante era la experiencia; después de todo, una pequeña apuesta alegra el ánimo.

All In y que sea lo que Dios quiera: Al principio quería operar con posiciones pequeñas y diversificadas, pero luego pensé que mi estilo agresivo era más fiel a mi personalidad, así que me lancé. La primera operación fue un long de 25x en SOL, que terminó en pérdida; no me rendí y seguí long, la segunda fue un 50x en BTC, pero el mercado bajó y perdí mucho. Ya casi sin capital, aprendí la lección y abrí un short de 50x para recuperar. Tras dos días de descanso, el mercado cambió y volví a abrir long en ETH, pero esa noche me liquidaron; seguí insistiendo y logré recuperar la mitad del capital. Después intenté varias veces ir all in con 50x, pero las cosas no mejoraron... Finalmente, la noche del 24, una mecha me liquidó el short y terminó mi montaña rusa en la competencia.

Guangguang: Perdí todo, sin comentarios.

De los 10 participantes, menos de la mitad obtuvo ganancias, y solo 2 lograron más del 20%. El resto apenas obtuvo pequeñas ganancias, rondando el punto de equilibrio. Comparando con los 6 grandes modelos AI, la proporción de ganancias y pérdidas fue similar.

Los primeros en quedar fuera fueron los más arriesgados, usando el máximo apalancamiento y buscando la adrenalina, pero fueron eliminados rápidamente; incluso si recuperaron algo después, una sola mecha los sacó del juego. Comparado con los modelos AI, las “emociones humanas” hacen que los jugadores que pierden quieran recuperar desesperadamente, lo que lleva a operar sin stop loss y con alta frecuencia, resultando en más pérdidas y una espiral descendente.

Además, esta competencia demostró la importancia de los nombres: los dos últimos se llamaban “All In y que sea lo que Dios quiera” y “Guangguang”, así que uno “murió” y el otro “perdió todo”, cumpliendo con sus nombres. Como mencionó Chloeppan, los contratos parecen ser más adecuados para quienes no tienen mucho trabajo, y el ganador se llama Yobo, que significa “persona ociosa”, así que el resumen parece bastante razonable.

Ir all in con 50x, operar frecuentemente y no poner stop loss fueron las principales razones por las que los jugadores terminaron en pérdidas o liquidados. Los traders de contratos deben convertirse en máquinas de trading frías para sobrevivir en un mercado de alto riesgo. Si no eres bueno operando, simplemente holdear BTC puede ser una buena opción. En la competencia AI, solo holdear bitcoin terminó en tercer lugar, solo detrás de Qwen3 y DeepSeek.