Preço de Hyperliquid

IA acabou de ser reprovada na negociação 101 Seis dos principais modelos de IA do mundo: GPT-5, Gemini, Claude, Grok, DeepSeek e Qwen, competiram recentemente em um desafio de negociação de criptomoedas ao vivo organizado pela @the_nof1 Labs. Cada um recebeu US$ 10.000 em capital e 17 dias para negociar na Hyperliquid. O resultado foi brutalmente revelador: a IA ainda está longe de ser um gestor de dinheiro confiável. A Qwen ficou no topo com um retorno de 22,3% (US$ 12.231,82), seguida pela DeepSeek com 4,9% (US$ 10.489,08). O restante estava no vermelho, o GPT-5 perdeu 62,7% de seu portfólio, o Gemini caiu 56,7% e o restante seguiu logo atrás. Mesmo conjunto de dados. Mesmo universo comercial. No entanto, os resultados foram drasticamente diferentes. A Gemini executou 64 negociações em 17 dias, incinerando sua vantagem por meio de taxas (comportamento clássico do varejo). Qwen fez apenas 22 negociações com alta convicção e paradas apertadas. Claude quase não vendeu nada, preso em um viés de alta unidimensional. Isso por si só já diz algo: os LLMs não entendem a estrutura do mercado ou a lógica temporal. Eles podem gerar texto, mas não podem raciocinar ao longo do tempo. Esperar que um LLM negocie é como pedir a um pintor para escrever um algoritmo Os modelos lutaram com elementos básicos, como diferenciar entre dados de preços antigos e novos ou interpretar prompts técnicos como "recuperação da EMA20". Eles não negociavam com base na estratégia; eles improvisaram. --- O que precisa mudar Se a IA vai gerenciar o capital real, seu design precisa evoluir. 1. Raciocínio temporal: Ele precisa entender a sequência, a tendência e o momento - não apenas pontos de dados isolados. 2. Controles de risco programático: O dimensionamento da posição (1–2%) e a aplicação do stop-loss devem ser codificados em sua lógica. 3. Aprendizado por reforço: Treine modelos para maximizar retornos ajustados ao risco de longo prazo (como o índice de Sharpe), não a precisão da previsão de curto prazo. 4. Arquitetura multiagente: use agentes especializados para tarefas como modelagem estatística, análise de sentimento e execução e, em seguida, coordene seus resultados. 5. Treinamento de causalidade: ajuste modelos em dados financeiros estruturados para distinguir sinais reais de ruído ou hype orientado por sentimentos. --- Notas finais A partir de agora, os traders de IA (agentes) se comportam como investidores de varejo impulsivos: confiantes, inconsistentes e sem qualquer senso de disciplina. Até que possam mostrar um desempenho consistente e explicável em diferentes regimes, esses sistemas não são gerentes de portfólio. Eles ainda são experimentos em andamento. Qwen não "ganhou" este desafio, simplesmente perdeu de forma menos inteligente. E essa é a verdadeira lição: em 2025, a IA pode falar como um trader, mas ainda não pensa como um. Portanto, não caia em nenhuma armadilha, que um agente de IA pode gerenciar suas negociações ou seu PF. Seja seu próprio mestre e gerencie você mesmo (de acordo com seu risco e instintos).

Isqueiro acabou de virar hiperlíquido para participação de mercado Perp DeX. 27% vs 10%. Receita diária de US$ 500 mil, sem token. OTC aponta a negociação de $ 100-117 com zero vendedores. 4000 tps no rollup ZK personalizado criado especificamente para correspondência de pedidos. A Hyperliquid tem capitalização de mercado de US$ 11 bilhões. O isqueiro ainda nem foi lançado.