Saltar al contenido
  • BTC $62.682 −1,8%
  • ETH $1.756 −2,0%
  • SOL $73,15 +0,5%
  • BNB $579,21 −1,5%
  • XRP $0,9688 +0,3%
  • DOGE $0,0588 −0,4%
  • ADA $0,1517 −0,7%

AI y trading: el desafío entre inteligencias artificiales revela los límites del trading automatizado en el mercado crypto

Binance ha publicado los resultados de la primera competencia oficial entre modelos de inteligencia artificial aplicados al trading de criptomonedas.

En el mes de octubre de 2025, Binance Research publicó los resultados de la primera competencia oficial entre modelos de inteligencia artificial aplicados al trading de criptomonedas.

El experimento, realizado con fondos reales, mostró que las IA pueden generar beneficios solo con una elevada disciplina en la gestión de riesgos — y no simplemente gracias al poder predictivo de sus algoritmos.

Puntos clave

  • Seis modelos de IA han operado de manera autónoma en mercados crypto reales con fondos de 10.000 $.
  • Solo dos (DeepSeek Chat V3.1 y Qwen3 Max) cerraron con ganancias, respectivamente con +94% y +60%.
  • Los peores rendimientos (Gemini 2.5 Pro y GPT-5) han perdido más del 60% del capital.
  • El factor determinante no fue la precisión predictiva, sino la gestión del riesgo.
  • El experimento representa el primer benchmark público para el uso de la IA en el trading descentralizado.

Un experimento real en blockchain

El estudio fue realizado por Nof1.ai en colaboración con Binance Research.
Cada modelo — incluyendo DeepSeek Chat V3.1, Qwen3 Max, Claude Sonnet 4.5, Grok 4, GPT-5 y Gemini 2.5 Pro — recibió 10.000 USD en fondos reales, para utilizar en operaciones on-chain en mercados de perpetual futures.

Todos los modelos operaron en condiciones idénticas: mismo conjunto de datos numéricos, sin entrada textual, horario operativo 24/7 y total autonomía decisional.
El objetivo era evaluar el comportamiento y la gestión del riesgo, más que la pura capacidad de previsión de precios.

Los resultados: la realidad detrás de la narrativa “AI trader”

Los números finales son elocuentes:

Modelo AIRendimiento (%)Sharpe RatioWin Rate (%)Trades TotalesPérdida máxima (USD)
DeepSeek Chat V3.1+94%0,4532%22−1.072
Qwen3 Max+60%0,3433%30−1.728
Claude Sonnet 4.5−1%0,0333%24−1.579
Grok 4−7%0,0419%21−657
GPT-5−64%−0,6419%74−622
Gemini 2.5 Pro−67%−0,7026%191−750

Solo dos modelos han cerrado con resultados positivos.
Todos los demás han quemado gran parte del capital, demostrando que la velocidad decisional no equivale a rendimiento.
De hecho, la hiperactividad — hasta 191 operaciones en pocos días — ha amplificado las pérdidas debido al uso excesivo del apalancamiento.

Gestión de riesgos: la diferencia entre ganancia y fracaso

El dato más interesante es que las AI ganadoras no fueron las más precisas, sino aquellas que supieron limitar las pérdidas.
El Sharpe Ratio de DeepSeek Chat V3.1 (0,45) y Qwen3 Max (0,34) indica una gestión del riesgo relativamente equilibrada, mientras que los modelos con mayor frecuencia de intercambio tuvieron Sharpe negativos.

Según Binance Research, el error principal de los modelos en pérdida fue el uso indebido del apalancamiento financiero, a menudo superior a 10×, y una tendencia al over-trading después de cada drawdown.
Este comportamiento ha sido definido como “AI revenge trading”, análogo al humano, pero automatizado a escala algorítmica.

La lección: la IA no sustituye la experiencia del trader

El experimento confirma que la IA es capaz de procesar enormes cantidades de datos, pero aún no de interpretar el contexto macroeconómico o las dinámicas comportamentales de los mercados.

Durante la liquidación de 19 mil millones de dólares ocurrida el 10 de octubre de 2025, una de las más graves en la historia del crypto-trading, casi todos los modelos reaccionaron con retraso, transformando un retroceso normal en una pérdida sistémica.

Las AI ganadoras, en cambio, suspendieron las operaciones durante varias horas, destacando protocolos de auto-contenimiento mejor programados.
En otras palabras, la diferencia no la hizo el “cerebro” de la AI, sino la regla de seguridad insertada por el diseñador.

Transparencia y auditabilidad on-chain

Un aspecto fundamental del experimento es que todas las operaciones fueron registradas on-chain, haciendo posible una auditoría pública.
Esta transparencia elimina el problema típico de los backtest y permite evaluar en tiempo real el rendimiento efectivo de los modelos.

Binance Research ha destacado que el trading on-chain, gracias a la trazabilidad, representa el entorno ideal para probar IA financieras verificables, un concepto que podría abrir el camino a DAO de trading automatizado supervisadas por smart contract.

IA y DeFi: el próximo paso hacia las finanzas autónomas

Este experimento se inserta en un contexto más amplio de integración entre AI y finanzas descentralizadas (DeFi).
En 2025, el mercado de soluciones AI x Crypto superó los 2,4 mil millones de dólares de capitalización, con protocolos como Virtuals y x402 que permiten a los agentes autónomos realizar transacciones y pagos sin intervención humana.

La idea es que, en el futuro, un agente AI podrá analizar datos, decidir, ejecutar órdenes y regular pagos enteramente en blockchain, cerrando el ciclo de la finanza autónoma.
Sin embargo, los resultados de octubre muestran que esta visión sigue siendo tecnológicamente posible pero financieramente inmadura:

La IA sabe actuar, pero aún no predecir con coherencia.

Implicaciones para el mercado y los inversores

Para los inversores institucionales, la prueba proporciona indicaciones cruciales:

  • la IA puede ser un asistente eficaz, pero no un sustituto del analista humano;
  • la gestión del riesgo debe seguir siendo un parámetro humano, hasta que los modelos integren evaluaciones cualitativas;
  • la combinación de AI + auditabilidad on-chain podría crear una nueva categoría de fondos transparentes y auto-verificables, reduciendo los riesgos de manipulación.

En perspectiva, Binance prevé que para el 2027 el volumen de trading gestionado por algoritmos AI pueda superar el 15% del mercado de derivados crypto, en comparación con el actual 3%.
Esto implicará nuevos estándares de seguridad y gobernanza, aún por definir.

Conclusión

La competencia de Nof1.ai no ha coronado a un ganador absoluto, pero ha destacado un principio fundamental:

el poder de la IA no compensa la falta de disciplina.

En el trading crypto, la línea entre innovación y riesgo sigue siendo delgada.
La inteligencia artificial podrá quizás mejorar el rendimiento, pero solo cuando logre comprender la incertidumbre, no simplemente calcularla.

Hasta entonces, incluso los modelos más avanzados seguirán necesitando un elemento humano imprescindible: el juicio.

Alessia Pannone

Todos los artículos de Alessia Pannone