من يقود موجة رموز الذكاء الاصطناعي؟ النماذج الصينية تحقق تقدماً ملحوظاً

في قطاع العملات الرقمية، غالباً ما يتأثر المتداولون البشر بعوامل نفسية وفجوات المعلومات. لكن ماذا لو أصبحت نماذج الذكاء الاصطناعي هي المسؤولة عن التداول؟

في 18 أكتوبر (بتوقيت UTC)، أطلق مشروع Nof1 مجموعة من نماذج الذكاء الاصطناعي—GPT-5، Claude Sonnet 4.5، Gemini 2.5 Pro، Deepseek V3.1، و Qwen3 Max—في سوق العملات الرقمية الحقيقي، حيث اتخذت هذه النماذج قرارات مركز شراء ومركز بيع بشكل مستقل على BTC، ETH، SOL، BNB، DOGE، و XRP عبر منصة Hyperliquid.

Nof1 يقدم تجربة تداول مباشرة برأس مال فعلي، وليست مجرد محاكاة. بدأ كل نموذج برصيد يبلغ 10,000 دولار، بهدف تحقيق أقصى ربح ممكن في سوق العملات الرقمية المتقلب، مستنداً إلى خوارزميات ذكية.

يوفر الموقع الرسمي لمشروع Nof1 (nof1.ai) مخططات أسعار دقيقة وفورية، إضافة إلى منحنيات قيمة الحساب لحظياً. كما أضاف الفريق قسم "حامل البيتكوين" BTC Holder للمقارنة، حيث يتم شراء BTC والاحتفاظ به فقط.

حتى 20 أكتوبر، الساعة 03:00 (بتوقيت UTC)، تتجاوز قيم حسابات النماذج المتصدرة 10,000 دولار. يتصدر Deepseek، بقيادة Wenfeng Liang وخبرة صناديق التحوط الكمية الصينية، برصيد يقارب 11,800 دولار. ويحل Grok من فريق Elon Musk ثانياً، يليه Claude من Anthropic في المركز الثالث، و Qwen من Alibaba في المركز الرابع.

المثير للدهشة أن أحدث نموذج من OpenAI، وهو GPT-5، يحتفظ حالياً بمراكز بقيمة 7,600 دولار فقط، ويأتي بالقرب من أدنى ترتيب، بينما يحتل Gemini من Google المركز الأخير. ومن اللافت أن هذين النموذجين يتصدران تطبيقات النماذج الكبرى في متجر Apple الأمريكي.

يبرز Deepseek كأكثر النماذج تفاؤلاً، حيث يتخذ مركز شراء على جميع الأصول باستخدام رافعة مالية بنسبة 10x إلى 15x، وجميعها تحقق أرباحاً غير محققة حالياً. ويعد Deepseek النموذج الوحيد الذي يحتفظ بمركز شراء كبير في XRP، محققاً أكثر من 800 دولار أرباحاً غير محققة من هذه الصفقة وحدها.

يتخذ Grok أيضاً مركز شراء على معظم الرموز، مع رافعة مالية بنسبة 20x على BTC، ويفتح مركز بيع على XRP، وهو المركز الوحيد الذي يسجل خسارة حالياً.

يعتمد GPT-5 استراتيجية فريدة، حيث يحتفظ بمركز شراء كبير في BTC، ويعتمد بشكل مكثف على مركز بيع في SOL و XRP. ومع ذلك، يتكبد خسائر في مراكزه البيعية على XRP و SOL، كما أن مراكزه الشرائية على DOGE و BTC و ETH أيضاً تحت ضغط الخسارة.

على خلاف النماذج الأخرى التي تفتح مركز بيع على XRP، يختار Gemini مركز شراء، ليسجل بذلك الصفقة الشرائية الخاسرة الوحيدة. أما مركزه البيعي على DOGE فهو يحقق أرباحاً. يتميز أسلوب Gemini بالعدوانية، حيث يستخدم رافعة مالية بنسبة 15x إلى 25x ويركز أكبر مراكزه على ETH.

على عكس روبوتات التداول الكمية التقليدية، يتيح Nof1 لنماذج الذكاء الاصطناعي التفاعل والدردشة: حيث تتبادل التحليلات حول اتجاهات السوق عبر محادثات افتراضية وتكشف منطق قراراتها. يضفي هذا بعداً ترفيهياً ويبرز "شخصية" كل نموذج، فبعضها جريء، بينما البعض الآخر أكثر تحفظاً.

رغم الهبوط الحاد، بقي Gemini صامداً، مؤكداً باستمرار أن كل شيء تحت السيطرة. "ما زلت أحتفظ بمراكز شراء في ETH، SOL، XRP، و BTC. هذه المراكز مربحة ولم تحقق نقاط أخذ الربح أو وقف الخسارة بعد. عائدي الإجمالي انخفض بنسبة 42%. مع استمرار ضعف الإشارات على BNB و DOGE، لن أنفذ صفقات جديدة عليهما حالياً."

أما GPT-5، النموذج الثاني، فقد اتسمت رسالته الأخيرة قبل النشر بالهدوء، حيث قال: "انخفض حسابي بنسبة 24.45%، لكنني أواصل الاحتفاظ بمراكز في ETH، SOL، XRP، BTC، DOGE، و BNB، إذ لم تحقق أي منها وقف الخسارة. أراجع بعناية كل استراتيجية خروج للتأكد من تسجيل كل نقطة وقف الخسارة وأخذ الربح بدقة، بما في ذلك DOGE الذي يحتاج متابعة يدوية لغياب تعليمات واضحة."

أوضح Deepseek: "لا زلت أحتفظ بجميع المراكز الستة، إذ لم تحقق أي منها وقف الخسارة. لدي حالياً 2,840.11 دولار نقداً في الحساب، مع عائد إجمالي بنسبة 19.92%. سأواصل تنفيذ الخطة، مع ترك إعدادات وقف الخسارة وأخذ الربح تدير الصفقات تلقائياً."

تكمن الجاذبية الحقيقية لتجربة Nof1 في ابتكارها: فهي ليست للترفيه فقط، بل اختبار عملي للذكاء الاصطناعي في القطاع المالي.

توفر تقلبات سوق العملات الرقمية بيئة واقعية لاتخاذ القرار، وتختبر قدرة الذكاء الاصطناعي على التكيف والصلابة. ويؤكد فريق المشروع أن ذلك يساهم في تحسين خوارزميات النماذج ودفع أدوات التداول الذكية نحو التطبيق التجاري الفعلي.

لا تزال المنافسة جارية، ومن غير المعروف بعد هل سيحافظ Deepseek على الصدارة أم ينجح Gemini في العودة للمنافسة. ويشير مؤسس Nof1، Jay، إلى أن الجولة القادمة ستشهد مشاركة متداولين بشريين ونماذج ملكية خاصة.

بيان:

1. أعاد فريق Gate Learn نشر هذه المقالة من [Foresight News] وتعود حقوق النشر للمؤلف الأصلي [1912212.eth، Foresight News]. إذا كان لديك أي ملاحظات حول إعادة النشر، يرجى التواصل مع فريق Gate Learn لحلها وفق الإجراءات المعتمدة.
2. تنويه: الآراء الواردة في هذه المقالة تعبر عن رأي المؤلف ولا تمثل نصيحة استثمارية بأي شكل.
3. يقوم فريق Gate Learn بترجمة النسخ إلى لغات أخرى. ما لم يتم ذكر Gate، يُمنع إعادة الإنتاج أو التوزيع أو نسخ هذه الترجمات.