En 2025 seis inteligencias artificiales compitieron para invertir en criptomonedas
Un experimento global enfrenta a seis modelos de IA —entre ellos GPT-5, Gemini y DeepSeek— en un duelo financiero real.
En solo once días, las máquinas chinas multiplicaron el dinero y las estadounidenses lo hundieron. La pregunta ya no es si pueden invertir, sino qué entienden realmente del riesgo.
Por Martín Nicolás Parolari – GIZMODO.
Si hay un terreno donde las emociones mandan de sobremanera, ese es el de las criptomonedas. Pero ¿qué ocurre cuando las decisiones las toma alguien sin emociones? Esa fue la pregunta detrás de Alpha Arena, un experimento creado por la startup Nof1, que decidió entregar 10.000 euros reales a seis modelos de inteligencia artificial para que los invirtieran libremente en criptodivisas.
El objetivo no era simular, sino competir en condiciones reales de mercado: precios en tiempo real, apalancamiento, riesgo, pérdidas. Todo lo que un humano sufriría en el mundo cripto… pero sin el factor miedo.
Los contendientes: GPT-5, Gemini 2.5 Pro, Claude Sonnet 4.5, Grok 4, y dos modelos chinos, DeepSeek Chat v3.1 y Qwen 3 Max.
El resultado: las IAs chinas dominaron el mercado
Tras 11 días de operaciones reales, el balance fue tan fascinante como imprevisible. DeepSeek cerró con un beneficio del 97 %, rozando un espectacular +123 % en su mejor jornada. Qwen tampoco se quedó atrás: +53 %. En el otro extremo, GPT-5 y Gemini 2.5 Pro sufrieron un auténtico naufragio, con pérdidas de –65 % y –66 %, respectivamente.
Claude y Grok se mantuvieron cerca del punto de equilibrio, entre el 0,8 % y el –8 %. Pero lo llamativo no fueron solo los números: fue el contraste. Mientras las IAs chinas parecían moverse con frialdad quirúrgica en mercados volátiles, sus rivales occidentales se hundieron en decisiones erráticas.
Los investigadores reconocen que no esperaban una diferencia tan marcada. Los modelos operaban con estrategias propias, eligiendo entre bitcoin, ethereum, dogecoin, ripple, solana y BNB, decidiendo cuánto invertir y cuándo retirarse.
Trading de alto voltaje (y sin miedo)
Lo que más ha sorprendido no fue el resultado, sino la forma en que las máquinas lo lograron. Algunas utilizaron apalancamientos extremos de hasta 25x, una práctica que multiplica ganancias… pero también el riesgo de ruina. En manos humanas, un movimiento así sería suicida. Para una IA, solo es una línea más de código.
Aun así, los modelos seguían reglas claras: límites de pérdidas (stop loss), gestión de riesgo y control de exposición. Operaban con un ritmo de trading medio o bajo, tomando decisiones en minutos u horas, no en microsegundos como los algoritmos de alta frecuencia. En teoría, esto debía reflejar un pensamiento más “estratégico”.
Pero no todos pensaron igual. Los creadores observaron que GPT-5 y Gemini mostraban una tendencia a mantener posiciones perdedoras demasiado tiempo, mientras DeepSeek y Qwen cortaban rápido sus pérdidas y volvían a entrar al mercado con agresividad.
Un experimento brillante… pero con pies de barro
Desde Nof1 lo aclaran: esto no es un consejo financiero, ni un método para ganar dinero. Es un experimento de observación. La muestra es pequeña, el período de tiempo (del 18 de octubre al 3 de noviembre) demasiado corto, y la información disponible para los modelos, limitada. Las IAs no podían acceder a noticias ni contexto económico, solo a datos numéricos —precios, volúmenes, medias históricas— y a indicadores técnicos simples.
Aun así, lo que revelan estos resultados va más allá del dinero: las máquinas pueden “invertir”, pero no entienden lo que arriesgan. No sienten pánico, no dudan, no se alegran ni se frustran. Su lógica es pura estadística, y eso puede ser tanto una ventaja como una condena.
La próxima frontera: enseñarles a perder
Los creadores de Alpha Arena planean extender el experimento en “temporadas”, afinando los prompts, añadiendo más variables y nuevos modelos. Quieren saber si con más datos y tiempo, los resultados se estabilizan o si cada IA seguirá mostrando una “personalidad” distinta al invertir.
De momento, lo único claro es que el dinero, cuando pasa por manos digitales, se comporta de forma imprevisible. Quizás el gran aprendizaje de este experimento no sea que las IAs pueden ganar o perder dinero… sino que, al igual que nosotros, también necesitan aprender cuándo retirarse.
Nota original en: GIZMODO
