Bursa sedang memberikan "crayfish" (trader) skill tree; apakah Openclaw akan meninggalkan trader manusia jauh di belakang?

Penulis: Frank, PANews

Dalam semalam, sepertinya semua orang sedang menerapkan crayfish (platform cryptocurrency populer). Tren ini akhirnya mencapai industri kripto. Pada 3 Maret, Binance dan OKX, dua raksasa kripto, secara bersamaan meluncurkan dan membuka sumber pustaka AI Skills untuk AI Agents, memungkinkan AI Agents untuk langsung mencapai penemuan alpha on-chain dan perdagangan real-time melalui protokol ini. Tidak lama sebelumnya, pemimpin pasar prediksi Polymarket juga meluncurkan alat CLI khusus untuk agen.

Di balik situasi yang tampaknya kebetulan ini terletak fakta bahwa AI menjadi entitas perdagangan utama di masa depan industri kripto, dan perubahan ini telah dimulai.

Tetapi pertanyaan inti yang dihadapi pengguna adalah: apakah transaksi berbasis agen benar-benar dapat diandalkan?

Memimpin jalan, kripto secara resmi menyambut trader AI.

Mari kita lihat apa yang sebenarnya bisa dilakukan Skill yang telah dibuka sumbernya oleh Binance dan OKX kali ini.

Tujuh Skills Binance diposisikan sebagai "inti cerdas terpadu," mengubah sinyal pasar kripto yang terfragmentasi menjadi keputusan perdagangan yang dapat ditindaklanjuti. Secara khusus, mereka memungkinkan agen AI untuk mengotomatiskan eksekusi perdagangan spot, seperti mengakses data pasar real-time dan melakukan order. Mereka juga dapat menganalisis alamat dompet mana pun untuk menghasilkan laporan pelacakan smart money, termasuk kepemilikan terperinci. Fitur lainnya termasuk pengambilan token, copy trading, dan pemantauan risiko kontrak.

Peningkatan AI OnchainOS OKX diposisikan sebagai "sistem operasi on-chain untuk agen AI." Ini mendukung lebih dari 60 fungsi on-chain terkait manajemen dompet otonom, transaksi, dan pembayaran. Ini termasuk fitur seperti pencarian kepemilikan dompet (saldo aset lintas-rantai dan portofolio), data pasar DEX, eksekusi perdagangan, dan penemuan token.

Antarmuka Rust CLI Polymarket, yang diluncurkan sebelumnya, adalah terminal untuk agen AI, memungkinkan mereka untuk langsung melakukan kueri, berdagang, dan mengelola semua pasar prediksi di Polymarket. Selanjutnya, Bitget dan Coinbase juga telah merilis pustaka keterampilan serupa.

Dari perspektif fungsional, keterampilan ini menyediakan fungsi dasar yang dibutuhkan pengguna biasa untuk transaksi on-chain atau partisipasi dalam transaksi kripto lainnya, termasuk riset pasar, eksekusi order, pelacakan smart money, dan lainnya.

Namun, apakah ini berarti bahwa setiap orang sekarang dapat menikmati kopi sambil menonton crayfish bekerja di belakang layar untuk menghasilkan uang bagi mereka?

Seorang pengguna di media sosial membagikan alat penghasil uang "crayfish".

AI Agent ≠ Robot Kuantitatif

Tetapi hasil sebenarnya mungkin berbeda dari yang dibayangkan kebanyakan orang.

Banyak orang menyamakan "perdagangan AI" dengan robot perdagangan kuantitatif, tetapi logika mendasar keduanya secara fundamental berbeda.

Perbedaannya mendasar. Robot perdagangan kuantitatif tradisional pada dasarnya adalah program otomatis yang mengeksekusi aturan yang telah ditentukan sebelumnya, seperti "beli ketika RSI turun di bawah 30 dan jual ketika naik di atas 70." Mereka sangat cepat, tetapi mereka tidak memahami apa yang mereka lakukan, tidak dapat membaca berita, dan tidak menyadari sentimen pasar. Efektivitas strategi mereka sepenuhnya bergantung pada orang yang menulis kode.

Di jantung AI Agent adalah model bahasa besar. Ini dapat membaca artikel berita tentang Federal Reserve menaikkan suku bunga, memahami apa artinya ini bagi pasar kripto, dan kemudian memutuskan apakah akan mengurangi kepemilikannya.

Sederhananya: Bot mengeksekusi aturan, dan agen membuat penilaian.

Dengan kata lain, agen saat ini tidak memantau pasar itu sendiri dan kemudian langsung melakukan order ketika peluang muncul. Biaya token yang dihasilkan dan lag waktu sangat merusak untuk perdagangan.

Perdagangan agen saat ini cenderung mengadopsi model "pembagian kerja": program tradisional bertanggung jawab untuk pemantauan dan eksekusi, sementara model besar hanya bertanggung jawab untuk analisis dan pengambilan keputusan.

Secara khusus, program tradisional terus menarik harga real-time, data on-chain, berita, dan informasi lainnya dari bursa, kemudian mengemas data ini dan mengirimkannya ke model besar. Model besar mengintegrasikan informasi multi-dimensi seperti kondisi pasar, berita, dan anomali on-chain untuk memberikan keputusan perdagangan, seperti "Beli ETH, posisi 10%, harga order $2450". Akhirnya, instruksi perdagangan dikembalikan ke program tradisional, yang mengeksekusi order melalui antarmuka bursa dan terus melacak hasilnya.

Kode tradisional bertindak sebagai "tangan" dan "mata" agen, sementara model keseluruhan berfungsi sebagai "otak." Skills yang ditawarkan oleh tiga platform utama pada dasarnya menyediakan agen dengan "tangan" dan "mata" yang terstandarisasi, memungkinkannya untuk dengan cepat mengakses data dan kemampuan perdagangan berbagai platform perdagangan. Namun, di belakang layar, manusia masih merancang logika perdagangan berdasarkan strategi spesifik. Ini bukan tentang hanya terhubung ke Skill dan menonton saldo akun Anda secara otomatis meroket.

Di luar teknologi dan fungsionalitas, ada dua masalah dunia nyata yang harus ditangani.

Yang pertama adalah kecepatan. Bot kuantitatif frekuensi tinggi tradisional memiliki latensi perdagangan dalam kisaran mikrodetik hingga milidetik, dengan sistem profesional bahkan mencapai latensi sub-milidetik. Hambatan utama untuk agen AI, bagaimanapun, terletak pada waktu yang diperlukan untuk inferensi model skala besar. Analisis lengkap dan output keputusan biasanya memakan waktu antara beberapa ratus milidetik dan beberapa detik, dan dalam skenario kompleks, bahkan dapat melebihi 5 detik. Ini ribuan atau bahkan jutaan kali lebih lambat dari bot tradisional.

Oleh karena itu , agen sama sekali tidak dapat bersaing dengan bot kuantitatif dalam hal kecepatan . Mereka tidak dapat melakukan arbitrase frekuensi tinggi atau mendapat untung dari perbedaan harga tingkat milidetik. Daya saing agen terletak pada kualitas keputusan mereka : bot kuantitatif dapat melakukan order dalam milidetik, tetapi tidak tahu arti dari "Ketua Federal Reserve baru saja mengirim tweet dovish," sementara agen tahu. Agen lebih cocok untuk melakukan satu atau dua perdagangan yang dipikirkan dengan matang per jam, daripada melakukan ribuan operasi mekanis per detik.

Faktor kedua adalah biaya. Bot tradisional, setelah dikembangkan, hanya memerlukan biaya server untuk berjalan. Namun, agen memanggil antarmuka model besar setiap kali mereka membuat keputusan, yang menimbulkan biaya. Misalnya, dengan GPT-5.2, jika agen menganalisis pasar setiap 5 menit (288 kali sehari), biaya inferensi bulanan adalah sekitar $106. Menggunakan Claude Opus 4.6 yang lebih kuat, sekitar $238. Ini bukan jumlah yang signifikan bagi trader yang mengelola jumlah besar, tetapi untuk investor ritel dengan hanya beberapa ribu dolar modal, biaya inferensi ini, dikombinasikan dengan biaya transaksi, membuat pencapaian laba bersih jauh lebih sulit.

Dalam hal menghasilkan uang sebagai agen, ada lebih banyak jebakan daripada peluang.

Selain itu, kualitas pengambilan keputusan agen juga merupakan masalah besar. Di balik penilaian yang tampaknya logis dan jelas, mungkin saja ada keputusan yang absurd.

Pada tahun 2025, kompetisi perdagangan AI yang diadakan oleh Nof1 memberikan contoh yang nyata. Beberapa agen yang didorong oleh model besar berkompetisi, dengan hasil yang sangat berbeda: agen yang didorong oleh GPT-5 kehilangan 62% dari modal awalnya, sementara Qwen3 dan DeepSeek mencapai keuntungan masing-masing 22,3% dan 4,89%. Dalam kompetisi perdagangan AI ini, meskipun beberapa model akhirnya mendapat untung, mereka menunjukkan karakteristik yang sangat tidak stabil. DeepSeek, khususnya, menunjukkan pengembalian tinggi awalnya diikuti oleh penurunan signifikan, yang meredam ekspektasi pasar.

Pada musim kedua eksperimen, 15 bot AI, masing-masing dengan modal $10.000, berpartisipasi. Hanya GROK-4.2 yang mencapai pengembalian positif. Secara keseluruhan, hanya tiga model yang mencapai pengembalian positif di kedua musim, sementara sisanya dalam keadaan rugi.

Selanjutnya, PANews juga melakukan studi simulasi pada beberapa model paling kuat pada saat itu, dan hasil akhir menunjukkan bahwa, dalam jangka panjang, keuntungan yang diharapkan semuanya negatif. (Bacaan terkait: Penilaian AI Kuantitatif: Keuntungan yang Diharapkan untuk Semua Model Kurang Dari 1, Seberapa Jauh Kecerdasan Buatan dari Menggantikan Trader? )

Di Polymarket, strategi bot AI paling klasik adalah arbitrase paritas matematis: ketika total biaya membeli kontrak "ya" dan "tidak" dalam pasar biner kurang dari $1, membeli keduanya secara bersamaan mengunci keuntungan bebas risiko. Banyak blogger sangat memuji strategi ini. Namun, Polymarket telah merespons dengan memperkenalkan biaya dinamis dan penyesuaian aturan lainnya, membuat beberapa strategi arbitrase tidak efektif.

Secara keseluruhan, perdagangan agen bukanlah "mesin cetak uang." Pemilihan model, desain strategi, dan disiplin kontrol risiko semuanya sangat diperlukan.

Selain ini, transaksi agen juga melibatkan beberapa risiko lain yang perlu dipertimbangkan.

Pertama, mengenai keamanan, agen memegang kunci pribadi dan mengeksekusi transaksi secara otonom. Jika lingkungan operasi dikompromikan, itu bisa menyebabkan kerugian aset. Kasus sebelumnya telah menunjukkan bahwa teknik berbahaya telah disuntikkan ke platform open-source untuk mencuri kunci pengguna. Ketiga platform menggunakan penafian hati-hati dalam pernyataan mereka, dengan Polymarket bahkan langsung melabelinya sebagai "perangkat lunak eksperimental awal."

Kedua, masalah "ilusi" dari model besar tidak dapat diabaikan. Model kadang-kadang menghasilkan analisis yang tampak masuk akal tetapi sebenarnya salah. Dalam percakapan sehari-hari, ini mungkin hanya memalukan, tetapi dalam perdagangan, itu bisa berarti kehilangan uang sungguhan.

Homogenisasi strategi juga menjadi perhatian. Ketika sejumlah besar agen menggunakan keterampilan yang sama dan model yang sama untuk menganalisis pasar yang sama, penilaian mereka menjadi sangat mirip, sinyal beli dipicu secara bersamaan, harga didorong naik dengan cepat, dan ruang bagi pendatang baru diperas.

AI hanyalah senjata; manusialah yang menggunakannya.

Aturan permainan di pasar kripto sedang mengalami pergeseran mendalam karena bursa mulai merancang produk untuk agen daripada manusia. Data dari tahun 2023 menunjukkan bahwa sistem otomatis sudah menyumbang lebih dari 70% volume perdagangan di pasar kripto, dan persentase ini masih meningkat.

Namun, perdagangan agen masih dalam tahap "eksperimental awal." Logika mendasar adalah bahwa ini hanyalah peningkatan dalam alat, bukan "mengotomatiskan generasi keuntungan." Jangan lupa bahwa institusi dengan pengalaman strategi dan kuantitatif yang luas juga menggunakan alat yang sama untuk melakukan perbaikan.

Untuk investor biasa, daripada terburu-buru membangun agen AI mereka sendiri, lebih baik untuk pertama-tama menahan FOMO (ketakutan spekulasi) dan memahami keterbatasan dan kelemahan mereka. Memang, era perdagangan agen telah tiba, tetapi profitabilitas masih bergantung pada kemampuan pengambilan keputusan strategis dari manusia di belakangnya.