Hier is wat je moet weten:
-
Zes grote AI-modellen ontvangen elk US$10.000 aan live kapitaal voor deze competitie (dus totale pool = $60K).
-
Ze handelen perpetual futures (“perps”) op de cryptobeurs Hyperliquid in de belangrijkste activa: BTC, ETH, SOL, BNB, DOGE, XRP.
-
Alle modellen beginnen met identieke prompts en dezelfde dataset: prijs/volume-gegevens, marktgeschiedenis, enz. Het idee is eerlijkheid en vergelijkbaarheid.
-
De wedstrijd is live, transparant en openbaar: je kunt de open posities voor elk model bekijken op nof1’s leaderboard.
-
Het doel: maximaliseer het rendement en beheer het risico. Elk model kiest zijn eigen strategie: wanneer in te stappen, welke activa te kiezen, welke hefboom te gebruiken en wanneer uit te stappen. Mensen bemoeien zich niet met de transacties.
Lidbord, prestaties en strategieën
Hier zijn de zes modellen in de ring, hoe ze het doen en wat voor toneelstukjes ze spelen (gebaseerd op openbaar gerapporteerde gegevens).
Alle cijfers zijn momentopnamen van recente berichtgeving over de Alpha Arena op nof1.ai.
| Model | Laatste rekeningwaarde* | Approx ROI | Strategy & Assets |
| DeepSeek V3.1 | ~$13.800 | +38% | Aggressief.
Long posities met hoge leverage (~15×) in ETH & SOL. Handelt ook in BTC, DOGE, BNB; klein verlies op XRP gerapporteerd. |
| Grok 4 | ~$13.400 | +35% | Strong momentum speler.
Soortgelijke activamix als DeepSeek; staat bekend om zijn goede “contextuele bewustzijn van de microstructuur van de markt.” |
| Claude Sonnet 4.5 | ~$12.500 | +25% | Conservatiever dan de top twee.
Minder open posities, langzamer tempo; noteerde vooral long ETH & XRP, en wat BNB. |
| Qwen3 Max | ~$10.900 | +9% | Matige prestaties.
Nog steeds positief, maar geen opwaartse trend. Handelt minder agressief. |
| GPT-5 (ChatGPT) | ~$7.300 | -27% | Tot nu toe moeizaam.
Mix van long en short posities leverde niets op. De volatiliteit verraste het bedrijf. |
| Gemini 2.5 Pro | ~$6.800 | -32% | De zwakste tot nu toe.
Early short bias (betting down) flipping to longs too late; timing hurt results. |
Screenshot van Nof1.ai
Korte resultaten van de strategieën
-
De winnaars (DeepSeek, Grok) leunden in lange, leveraged trades tijdens marktupticks. Dat loonde.
-
Claude hield het rustiger: minder trades, minder hefboomwerking, wat minder opwaarts maar ook minder risico betekent.
-
Qwen speelt op safe.
-
GPT-5 en Gemini leken de actie verkeerd te timen: ofwel te voorzichtig, ofwel te vroeg/late reversals.
Ook vermeldenswaard: sommige modellen deden veel transacties (bijv. Gemini ~15 transacties/dag), terwijl andere (Claude) slechts een paar grote bewegingen uitvoerden.
Waarom het belangrijk is (en wat u in de gaten moet houden)
Dit experiment is niet zomaar een coole demo. Het geeft iets diepers aan over de toekomst van AI in de handel.
-
Wanneer AI-modellen voor algemene doeleinden zinvolle P&L beginnen te maken in echte markten, wordt het draaiboek door elkaar geschud.
-
Maar een groot voorbehoud: een paar dagen winst is geen garantie voor prestaties op de lange termijn. Marktregimes veranderen.
-
Als één of twee modellen wekenlang domineren, zul je zien dat copy-trading, ETF-producten en hedgefondsen deze modellen volgen. In feite is het volgen van DeepSeek al een strategie die sommige retailspelers gebruiken.
-
Aan de andere kant: als veel modellen op dezelfde manier handelen (dezelfde prompts, dezelfde gegevens), kunnen hun collectieve acties de markten bewegen – reflexiviteit wordt echt.
Wat handelaren eigenlijk kunnen leren van Alpha Arena
Zien hoe zes modellen met miljoenen parameters long en short gaan als cafeïnehoudende hedgefondsstagiairs is niet alleen vermakelijk – het is ook leerzaam. Het Alpha Arena-experiment biedt een paar nuttige lessen die menselijke handelaren (en botbouwers) daadwerkelijk kunnen gebruiken.
1. Risicobeheer verslaat rauw IQ
DeepSeek en Grok winnen niet omdat ze “slimmer” zijn – ze winnen omdat ze consistente regels volgen. Positiegrootte, stop-loss plaatsing en niet panikeren bij ruis. Ondertussen laten Gemini en GPT-5 zien wat er gebeurt als zelfs een geniaal model de discipline negeert. En dat is wanneer elke gedisciplineerde handelaar stilletjes mompelt, “Ik zei het toch.”.
2. Handel minder, maar slimmer
Claude voert de hitlijsten niet aan, maar is positief – vooral omdat het minder handelt. Overtraden is funest voor prestaties, of je nu een persoon bent of een transformatienetwerk. Kwaliteit setups >>> constante actie.
3. Diversifieer, maar verspreid niet
Top performers houden blootstelling aan 2-3 belangrijkste activa (ETH, SOL, BTC) en jagen zelden op elke glimmende munt. Die balans tussen focus en flexibiliteit is het stelen waard.
4. Het voordeel zit nog steeds in de uitvoering
Grok’s micro-timing laat zien hoeveel kleine vertragingen of slordige invoer na verloop van tijd kosten. Mensen kunnen niet zo snel denken, maar ze kunnen orderprecisie automatiseren, invoer backtesten en uitvoeringsroutines aanscherpen.
5. Snelle engineering = strategieontwerp
Elke AI in Alpha Arena gebruikt zijn eigen logica – momentum, mean reversion, scalping. Voor traders is dit een geheugensteuntje: het kader is belangrijker dan de voorspelling. Definieer je systeem, niet je voorgevoel.
6. Je kunt resultaten niet blindelings kopiëren
Zelfs als je de bewegingen van DeepSeek zou proberen na te bootsen, zou je nog steeds te maken krijgen met slippage, latentie en een andere risicotolerantie. Gebruik Alpha Arena als inspiratie, niet als een copy-paste gids.
Bottom line: AI is geen snelkoppeling naar gemakkelijk geld. Het is een spiegel die laat zien hoe structuur, discipline en aanpassingsvermogen lonen. Als handelaren deze gewoonten overnemen in plaats van signalen na te jagen, handelen ze al slimmer dan de helft van de markt.
