Schimburile oferă „racilor" (traderi) un arbore de abilități; va lăsa Openclaw traderii umani în urmă?

Autor: Frank, PANews

Peste noapte, se pare că toată lumea implementează crayfish (o platformă populară de criptomonede). Acest trend a ajuns în cele din urmă în industria crypto. Pe 3 martie, Binance și OKX, doi giganți crypto, au lansat simultan și au deschis codul sursă pentru bibliotecile AI Skills pentru AI Agents, permițând AI Agents să realizeze direct descoperirea alpha on-chain și tranzacționarea în timp real prin aceste protocoale. Cu puțin timp înainte, liderul piețelor de predicție Polymarket a lansat, de asemenea, un instrument CLI special conceput pentru agenți.

În spatele acestei situații aparent coincidentale se află faptul că AI devine entitatea principală de tranzacționare în viitorul industriei crypto, iar această schimbare a început deja.

Dar întrebarea esențială cu care se confruntă utilizatorii este: sunt tranzacțiile bazate pe agenți cu adevărat fiabile?

Deschizând calea, crypto salută oficial traderii AI.

Să aruncăm o privire la ce pot face de fapt Skill-urile pe care Binance și OKX le-au deschis de această dată.

Cele șapte Skills ale Binance sunt poziționate ca un "nucleu inteligent unificat", transformând semnalele fragmentate ale pieței crypto în decizii de tranzacționare acționabile. Mai exact, acestea permit agenților AI să automatizeze execuția tranzacționării spot, cum ar fi accesarea datelor de piață în timp real și plasarea ordinelor. Aceștia pot analiza, de asemenea, orice adresă de portofel pentru a genera rapoarte de urmărire a banilor inteligenți, incluzând dețineri detaliate. Alte caracteristici includ recuperarea token-urilor, copy trading și monitorizarea riscurilor contractuale.

Upgrade-ul OnchainOS AI al OKX este poziționat ca un "sistem de operare on-chain pentru agenți AI". Acesta suportă peste 60 de funcții on-chain legate de gestionarea autonomă a portofelului, tranzacții și plăți. Acestea includ caracteristici precum consultarea deținerilor de portofel (solduri de active cross-chain și portofolii), date de piață DEX, execuție de tranzacții și descoperire de token-uri.

Interfața Rust CLI a Polymarket, lansată anterior, este un terminal pentru agenți AI, permițându-le să interogheze, să tranzacționeze și să gestioneze direct toate piețele de predicție pe Polymarket. În plus, Bitget și Coinbase au lansat, de asemenea, biblioteci de abilități similare.

Din perspectivă funcțională, aceste abilități oferă funcțiile de bază de care au nevoie utilizatorii obișnuiți pentru tranzacții on-chain sau participare la alte tranzacții crypto, inclusiv cercetare de piață, execuție de ordine, urmărirea banilor inteligenți și multe altele.

Cu toate acestea, înseamnă asta că toată lumea poate acum să se bucure de cafea în timp ce urmărește crayfish lucrând în culise pentru a face bani pentru ei?

Un utilizator pe rețelele sociale a distribuit un instrument de generare de bani "crayfish".

AI Agent ≠ Robot Cantitativ

Dar rezultatul efectiv poate fi diferit de ceea ce își imaginează majoritatea oamenilor.

Mulți oameni echivalează "tranzacționarea AI" cu roboții de tranzacționare cantitativă, dar logica de bază a celor două este fundamental diferită.

Diferența este fundamentală. Roboții tradiționali de tranzacționare cantitativă sunt în esență programe automate care execută reguli predefinite, cum ar fi "cumpără când RSI scade sub 30 și vinde când crește peste 70". Sunt extrem de rapizi, dar nu au înțelegere a ceea ce fac, nu pot citi știrile și nu sunt conștienți de sentimentul pieței. Eficacitatea strategiei lor depinde în întregime de persoana care a scris codul.

În centrul AI Agent se află un model de limbaj mare. Acesta poate citi un articol de știri despre creșterea ratelor dobânzilor de către Rezerva Federală, poate înțelege ce înseamnă acest lucru pentru piața crypto și apoi poate decide dacă să își reducă deținerile.

Simplu spus: Botul execută regulile, iar agentul face evaluările.

Cu alte cuvinte, agentul actual nu monitorizează piața în sine și apoi plasează un ordin direct când apare o oportunitate. Costurile rezultate ale token-urilor și decalajul de timp sunt devastatoare pentru tranzacționare.

Tranzacționarea actuală a agenților tinde să adopte un model de "diviziune a muncii": programele tradiționale sunt responsabile pentru monitorizare și execuție, în timp ce modelele mari sunt responsabile doar pentru analiză și luarea deciziilor.

Mai exact, un program tradițional extrage continuu prețuri în timp real, date on-chain, știri și alte informații de la bursă, apoi împachetează aceste date și le trimite unui model mare. Modelul mare integrează informații multidimensionale, cum ar fi condițiile pieței, știrile și anomaliile on-chain, pentru a oferi o decizie de tranzacționare, cum ar fi "Cumpără ETH, poziție 10%, preț ordin 2 450 $". În cele din urmă, instrucțiunea de tranzacționare este returnată programului tradițional, care execută ordinul prin interfața bursei și urmărește continuu rezultatele.

Codul tradițional acționează ca "mâinile" și "ochii" agentului, în timp ce modelul general servește ca "creier". Skills-urile oferite de cele trei platforme majore oferă în esență agentului "mâini" și "ochi" standardizate, permițându-i să acceseze rapid datele și capacitățile de tranzacționare ale diferitelor platforme de tranzacționare. Cu toate acestea, în culise, oamenii încă proiectează logica de tranzacționare pe baza strategiilor specifice. Nu este vorba despre simpla conectare la Skill și urmărirea soldului contului crescând automat.

Dincolo de tehnologie și funcționalitate, există două probleme reale care trebuie abordate.

Prima este viteza. Boții tradiționali cantitativi de înaltă frecvență au latență de tranzacționare în intervalul de la microsecunde la milisecunde, cu sisteme profesionale realizând chiar latență sub-milisecundă. Blocajul cheie pentru agenții AI, cu toate acestea, constă în timpul necesar pentru inferența modelului de mari dimensiuni. O analiză completă și o ieșire de decizie durează de obicei între câteva sute de milisecunde și câteva secunde, iar în scenarii complexe, poate depăși chiar 5 secunde. Aceasta este de mii sau chiar milioane de ori mai lentă decât boții tradiționali.

Prin urmare , agenții pur și simplu nu pot concura cu boții cantitativi în ceea ce privește viteza. Aceștia nu pot efectua arbitraj de înaltă frecvență sau profita de diferențele de preț la nivel de milisecundă. Competitivitatea agenților constă în calitatea deciziilor lor: un bot cantitativ poate plasa un ordin în milisecunde, dar nu cunoaște semnificația "președintele Rezervei Federale tocmai a trimis un tweet conciliant", în timp ce un agent o cunoaște. Agenții sunt mai potriviți pentru a face una sau două tranzacții bine gândite pe oră, mai degrabă decât pentru a efectua mii de operațiuni mecanice pe secundă.

Al doilea factor este costul. Boții tradiționali, odată dezvoltați, necesită doar costuri de server pentru a funcționa. Cu toate acestea, agenții apelează interfețe de modele mari de fiecare dată când iau o decizie, ceea ce generează cheltuieli. De exemplu, cu GPT-5.2, dacă un agent analizează piața la fiecare 5 minute (288 de ori pe zi), costul lunar de inferență este de aproximativ 106 $. Folosind mai puternicul Claude Opus 4.6, este în jur de 238 $. Aceasta nu este o sumă semnificativă pentru traderii care gestionează sume mari, dar pentru investitorii de retail cu doar câteva mii de dolari de capital, acest cost de inferență, combinat cu comisioanele de tranzacție, face ca obținerea unui profit net să fie mult mai dificilă.

Când vine vorba de a face bani ca agent, există mai multe capcane decât oportunități.

În plus, calitatea luării deciziilor de către agent este, de asemenea, o problemă majoră. În spatele acelor judecăți aparent logice și clare, pot exista foarte bine decizii absurde.

În 2025, o competiție de tranzacționare AI organizată de Nof1 a oferit un exemplu pregnant. Mai mulți agenți conduși de modele mari au concurat, cu rezultate extrem de divergente: agentul condus de GPT-5 a pierdut 62% din capitalul său inițial, în timp ce Qwen3 și DeepSeek au obținut profituri de 22,3% și, respectiv, 4,89%. În această competiție de tranzacționare AI, deși unele modele au obținut în final profit, acestea au prezentat caracteristici extrem de instabile. DeepSeek, în special, a demonstrat randamente ridicate inițial, urmate de o scădere semnificativă, ceea ce a atenuat așteptările pieței.

În al doilea sezon al experimentului, au participat 15 boți AI, fiecare cu un principal de 10 000 $. Doar GROK-4.2 a obținut un randament pozitiv. În general, doar trei modele au obținut randamente pozitive în ambele sezoane, în timp ce restul au fost într-o stare de pierdere.

În plus, PANews a efectuat, de asemenea, studii de simulare pe câteva dintre cele mai puternice modele de la acea vreme, iar rezultatele finale au arătat că, pe termen lung, profiturile așteptate ale acestora au fost toate negative. (Lectură conexă: Evaluare AI cantitativă: Profiturile așteptate pentru toate modelele mai mici de 1, cât de departe este inteligența artificială de la înlocuirea traderilor?)

Pe Polymarket, cea mai clasică strategie de bot AI este arbitrajul matematic de paritate: când costul total al cumpărării ambelor contracte "da" și "nu" pe o piață binară este mai mic de 1 $, cumpărarea ambelor simultan asigură profituri fără risc. Mulți bloggeri au lăudat foarte mult această strategie. Cu toate acestea, Polymarket a răspuns prin introducerea de taxe dinamice și alte ajustări de reguli, făcând unele strategii de arbitraj ineficiente.

În general, tranzacționarea cu agenți nu este o "mașină de tipărit bani". Selecția modelului, proiectarea strategiei și disciplina controlului riscurilor sunt toate indispensabile.

Pe lângă acestea, tranzacțiile cu agenți implică, de asemenea, mai multe alte riscuri care trebuie luate în considerare.

În primul rând, în ceea ce privește securitatea, agentul deține cheia privată și execută tranzacții autonom. Dacă mediul de operare este compromis, ar putea duce la pierderea activelor. Cazuri anterioare au arătat că tehnici malițioase au fost injectate în platforme open-source pentru a fura cheile utilizatorilor. Toate cele trei platforme au folosit disclaimere prudente în declarațiile lor, Polymarket chiar etichetându-l direct ca "software experimental timpuriu".

În al doilea rând, problema "iluziei" a modelelor mari nu poate fi ignorată. Modelele generează uneori analize care par rezonabile, dar sunt de fapt greșite. În conversațiile de zi cu zi, aceasta poate fi doar jenantă, dar în tranzacționare, ar putea însemna o pierdere de bani reali.

Omogenizarea strategiilor este, de asemenea, o cauză de îngrijorare. Când un număr mare de agenți utilizează aceleași abilități și aceleași modele pentru a analiza aceeași piață, judecățile lor devin foarte similare, semnalele de cumpărare sunt declanșate simultan, prețurile sunt crescute rapid, iar spațiul pentru cei care vin mai târziu este eliminat.

AI este doar o armă; omul este încă cel care o mânuiește.

Regulile jocului pe piața crypto suferă o schimbare profundă pe măsură ce bursele încep să proiecteze produse pentru agenți, mai degrabă decât pentru oameni. Datele din 2023 arată că sistemele automate reprezentau deja peste 70% din volumul de tranzacționare pe piața crypto, iar acest procent este încă în creștere.

Cu toate acestea, tranzacționarea cu agenți este încă în stadiul "experimental timpuriu". Logica de bază este că aceasta este doar o îmbunătățire a instrumentului, nu "automatizarea generării de profit". Nu uitați că instituțiile cu experiență vastă în strategii și cantitativ folosesc, de asemenea, aceleași instrumente pentru a face îmbunătățiri.

Pentru investitorii obișnuiți, în loc să se grăbească să își construiască propriii agenți AI, este mai bine să restrângă mai întâi FOMO (frica de speculație) și să le înțeleagă limitările și slăbiciunile. Cu siguranță, era tranzacționării cu agenți a sosit, dar profitabilitatea depinde încă de abilitățile de luare a deciziilor strategice ale oamenilor din spatele acesteia.