Биржи дают "ракам" (трейдерам) дерево навыков; оставит ли Openclaw человеческих трейдеров позади?

Автор: Фрэнк, PANews

За одну ночь кажется, что все развертывают раков (популярная криптовалютная платформа). Эта тенденция наконец достигла криптоиндустрии. 3 марта Binance и OKX, два криптогиганта, одновременно запустили и открыли библиотеки AI Skills для ИИ-агентов, позволяя ИИ-агентам напрямую осуществлять обнаружение альфы на цепочке и торговлю в реальном времени через эти протоколы. Незадолго до этого лидер рынка прогнозов Polymarket также запустил инструмент CLI специально для агентов.

За этой внешне случайной ситуацией скрывается факт, что ИИ становится основным торговым субъектом в будущем криптоиндустрии, и эти изменения уже начались.

Но основной вопрос, стоящий перед пользователями: действительно ли транзакции на основе агентов надежны?

Прокладывая путь, криптовалюта официально приветствует ИИ-трейдеров.

Давайте посмотрим, что на самом деле может делать Skill, который Binance и OKX открыли на этот раз.

Семь Skills от Binance позиционируются как «единое интеллектуальное ядро», превращающее фрагментированные сигналы криптовалютного рынка в действенные торговые решения. В частности, они позволяют ИИ-агентам автоматизировать исполнение спотовой торговли, например, доступ к рыночным данным в реальном времени и размещение ордеров. Они также могут анализировать любой адрес кошелька для создания отчетов отслеживания умных денег, включая детальные активы. Другие функции включают поиск токенов, копитрейдинг и мониторинг рисков контрактов.

Обновление OnchainOS AI от OKX позиционируется как «операционная система на цепочке для ИИ-агентов». Оно поддерживает более 60 функций на цепочке, связанных с автономным управлением кошельком, транзакциями и платежами. К ним относятся такие функции, как поиск активов кошелька (кросс-чейн балансы активов и портфели), рыночные данные DEX, исполнение сделок и обнаружение токенов.

Интерфейс Rust CLI от Polymarket, запущенный ранее, является терминалом для ИИ-агентов, позволяя им напрямую запрашивать, торговать и управлять всеми рынками прогнозов на Polymarket. Кроме того, Bitget и Coinbase также выпустили аналогичные библиотеки навыков.

С функциональной точки зрения эти навыки предоставляют базовые функции, необходимые обычным пользователям для транзакций на цепочке или участия в других криптотранзакциях, включая исследование рынка, исполнение ордеров, отслеживание умных денег и многое другое.

Однако означает ли это, что теперь каждый может наслаждаться кофе, наблюдая, как раки работают за кулисами, чтобы зарабатывать для них деньги?

Пользователь в социальных сетях поделился инструментом для заработка «раков».

ИИ-агент ≠ Количественный робот

Но фактический результат может отличаться от того, что представляет себе большинство людей.

Многие люди приравнивают «ИИ-торговлю» к роботам количественной торговли, но базовая логика этих двух принципиально различна.

Разница фундаментальна. Традиционные роботы количественной торговли — это по сути автоматизированные программы, которые выполняют заранее определенные правила, например, «покупать, когда RSI падает ниже 30, и продавать, когда он поднимается выше 70». Они чрезвычайно быстры, но не понимают, что они делают, не могут читать новости и не знают о настроениях рынка. Эффективность их стратегии полностью зависит от человека, который написал код.

В основе ИИ-агента лежит большая языковая модель. Она может прочитать новостную статью о повышении процентных ставок ФРС, понять, что это означает для криптовалютного рынка, а затем решить, сокращать ли свои позиции.

Проще говоря: Бот выполняет правила, а агент принимает решения.

Другими словами, текущий агент не отслеживает рынок самостоятельно, а затем размещает ордер напрямую, когда появляется возможность. Возникающие затраты на токены и временная задержка разрушительны для торговли.

Текущая торговля агентами склонна принимать модель «разделения труда»: традиционные программы отвечают за мониторинг и исполнение, в то время как большие модели отвечают только за анализ и принятие решений.

В частности, традиционная программа непрерывно извлекает цены в реальном времени, данные на цепочке, новости и другую информацию с биржи, затем упаковывает эти данные и отправляет их большой модели. Большая модель интегрирует многомерную информацию, такую как рыночные условия, новости и аномалии на цепочке, для предоставления торгового решения, например, «Купить ETH, 10% позиция, цена ордера 2 450$». Наконец, торговая инструкция возвращается традиционной программе, которая исполняет ордер через интерфейс биржи и постоянно отслеживает результаты.

Традиционный код действует как «руки» и «глаза» агента, в то время как общая модель служит «мозгом». Skills, предлагаемые тремя основными платформами, по сути предоставляют агенту стандартизированные «руки» и «глаза», позволяя ему быстро получать доступ к данным и торговым возможностям различных торговых платформ. Однако за кулисами люди все еще разрабатывают торговую логику на основе конкретных стратегий. Речь не идет о простом подключении к Skill и наблюдении за автоматическим ростом баланса вашего счета.

Помимо технологии и функциональности, есть две реальные проблемы, которые необходимо решить.

Первая — это скорость. Традиционные высокочастотные количественные боты имеют торговую задержку в диапазоне от микросекунд до миллисекунд, а профессиональные системы даже достигают задержки менее миллисекунды. Ключевое узкое место для ИИ-агентов, однако, заключается во времени, необходимом для вывода крупномасштабной модели. Полный анализ и вывод решения обычно занимает от нескольких сотен миллисекунд до нескольких секунд, а в сложных сценариях может даже превышать 5 секунд. Это в тысячи или даже миллионы раз медленнее, чем традиционные боты.

Поэтому агенты просто не могут конкурировать с количественными ботами по скорости. Они не могут выполнять высокочастотный арбитраж или получать прибыль от миллисекундных разниц цен. Конкурентоспособность агентов заключается в качестве их решений: количественный бот может разместить ордер за миллисекунды, но он не знает значения «председатель ФРС только что отправил мягкий твит», в то время как агент знает. Агенты лучше подходят для совершения одной или двух обдуманных сделок в час, а не для выполнения тысяч механических операций в секунду.

Второй фактор — это стоимость. Традиционные боты, будучи однажды разработанными, требуют только затрат на сервер для работы. Однако агенты вызывают интерфейсы больших моделей каждый раз, когда принимают решение, что влечет за собой расходы. Например, с GPT-5.2, если агент анализирует рынок каждые 5 минут (288 раз в день), ежемесячная стоимость вывода составляет примерно 106$. Используя более мощный Claude Opus 4.6, это около 238$. Это не значительная сумма для трейдеров, управляющих крупными суммами, но для розничных инвесторов с капиталом всего в несколько тысяч долларов эта стоимость вывода в сочетании с комиссиями за транзакции делает достижение чистой прибыли гораздо более трудным.

Когда дело доходит до зарабатывания денег в качестве агента, ловушек больше, чем возможностей.

Кроме того, качество принятия решений агентом также является серьезной проблемой. За этими кажущимися логичными и ясными суждениями вполне могут скрываться абсурдные решения.

В 2025 году торговое соревнование ИИ, проведенное Nof1, предоставило яркий пример. Несколько агентов, управляемых большими моделями, соревновались с дико расходящимися результатами: агент, управляемый GPT-5, потерял 62% своего первоначального капитала, в то время как Qwen3 и DeepSeek достигли прибыли в 22,3% и 4,89% соответственно. В этом торговом соревновании ИИ, хотя некоторые модели в конечном итоге получили прибыль, они проявили крайне нестабильные характеристики. DeepSeek, в частности, продемонстрировал высокую доходность первоначально, за которой последовала значительная просадка, что охладило рыночные ожидания.

Во втором сезоне эксперимента приняли участие 15 ИИ-ботов, каждый с капиталом в 10 000$. Только GROK-4.2 достиг положительной доходности. В целом только три модели достигли положительной доходности в обоих сезонах, в то время как остальные находились в убыточном состоянии.

Кроме того, PANews также провел симуляционные исследования нескольких наиболее мощных моделей того времени, и окончательные результаты показали, что в долгосрочной перспективе их ожидаемая прибыль была отрицательной. (Связанное чтение: Количественная оценка ИИ: ожидаемая прибыль для всех моделей менее 1, как далеко искусственный интеллект от замены трейдеров?)

На Polymarket наиболее классическая стратегия ИИ-ботов — это математический паритетный арбитраж: когда общая стоимость покупки контрактов «да» и «нет» на бинарном рынке составляет менее 1$, покупка обоих одновременно блокирует безрисковую прибыль. Многие блогеры высоко оценили эту стратегию. Однако Polymarket отреагировал, введя динамические комиссии и другие корректировки правил, делая некоторые арбитражные стратегии неэффективными.

В целом, торговля агентами — это не «машина для печатания денег». Выбор модели, дизайн стратегии и дисциплина контроля рисков — все это необходимо.

Помимо этого, транзакции агентов также связаны с несколькими другими рисками, которые необходимо учитывать.

Во-первых, что касается безопасности, агент держит приватный ключ и выполняет транзакции автономно. Если операционная среда скомпрометирована, это может привести к потере активов. Предыдущие случаи показали, что злонамеренные методы были внедрены на платформы с открытым исходным кодом для кражи ключей пользователей. Все три платформы использовали осторожные отказы от ответственности в своих заявлениях, а Polymarket даже прямо обозначил это как «раннее экспериментальное программное обеспечение».

Во-вторых, проблему «иллюзии» больших моделей нельзя игнорировать. Модели иногда генерируют анализы, которые кажутся разумными, но на самом деле ошибочны. В повседневных разговорах это может быть просто неловко, но в торговле это может означать потерю реальных денег.

Гомогенизация стратегий также вызывает беспокойство. Когда большое количество агентов использует одни и те же навыки и одни и те же модели для анализа одного и того же рынка, их суждения становятся очень похожими, сигналы на покупку срабатывают одновременно, цены быстро растут, а пространство для опоздавших сжимается.

ИИ — это всего лишь оружие; им все еще владеет человек.

Правила игры на криптовалютном рынке претерпевают глубокие изменения, поскольку биржи начинают разрабатывать продукты для агентов, а не для людей. Данные за 2023 год показывают, что автоматизированные системы уже составили более 70% объема торгов на криптовалютном рынке, и этот процент продолжает расти.

Однако торговля агентами все еще находится на «раннем экспериментальном» этапе. Базовая логика заключается в том, что это всего лишь улучшение инструмента, а не «автоматизация генерации прибыли». Не забывайте, что учреждения с обширным стратегическим и количественным опытом также используют те же инструменты для улучшений.

Для обычных инвесторов вместо того, чтобы спешить строить своих собственных ИИ-агентов, лучше сначала сдержать FOMO эмоции и понять их ограничения и слабости. Признаться, эра торговли агентами наступила, но прибыльность по-прежнему зависит от способностей людей, стоящих за ними, принимать стратегические решения.