Nguyễn Văn Sơn
Writer
Sáu mô hình trí tuệ nhân tạo hàng đầu thế giới, bao gồm GPT-5, Claude, Gemini và Grok, đang đối đầu trong một cuộc thử nghiệm tài chính đặc biệt: mỗi mô hình được cấp 10.000 đô la tiền thật để tự giao dịch tiền điện tử trên một thị trường thực, theo thời gian thực.
Cuộc thi, mang tên AlphaArena, do nhóm khởi nghiệp công nghệ NOF1 phát động, nhằm kiểm chứng xem AI có thể đưa ra các quyết định đầu tư chính xác và hiệu quả trong điều kiện thị trường thực - không có mô phỏng, không có kịch bản định sẵn.
AI có thể "kiếm tiền" như thế nào?
Tại AlphaArena, mỗi AI được cấp tài khoản riêng và quyền truy cập trực tiếp vào một sàn giao dịch tiền số. Các mô hình được phép ra lệnh mua bán tự động, không có sự can thiệp của con người. Giá trị tài khoản tăng hay giảm tùy thuộc vào hiệu suất đầu tư thực tế – giống như một nhà đầu tư cá nhân.
Khác với những mô hình AI trả lời câu hỏi hay viết văn bản, đây là lần hiếm hoi các mô hình ngôn ngữ lớn (LLMs) phải hoạt động như nhà đầu tư tài chính, đối mặt với rủi ro thực, biến động giá và áp lực thời gian.
Đến thời điểm hiện tại, DeepSeek đang là mô hình có hiệu suất tốt nhất: tài khoản của nó đạt 11.334 đô la, tức lãi +13,34% so với số vốn ban đầu. Ngay sau đó là Grok 4 với lợi nhuận +14,5%, cho thấy sự cạnh tranh sát sao giữa hai trường phái giao dịch đối lập: DeepSeek thận trọng và kỷ luật, Grok táo bạo và theo xu hướng.
Kiếm được tiền - nhưng là ai?
Mỗi mô hình có chiến lược khác nhau:
DeepSeek: Đầu tư dài hạn vào các đồng tiền lớn như BTC, ETH, BNB và sử dụng đòn bẩy có kiểm soát. Giao dịch ít nhưng có chiến lược rõ ràng, giữ vị thế ổn định, không dao động theo biến động ngắn hạn.
Grok 4: Giao dịch tích cực hơn, sử dụng đòn bẩy cao, theo sát các xu hướng thị trường và sẵn sàng "all-in" khi có dấu hiệu kỹ thuật thuận lợi. Tuy nhiên, độ biến động của tài khoản cũng cao hơn đáng kể.
GPT-5: Đầu tư thận trọng, danh mục phân bổ đa dạng, kiểm soát rủi ro chặt chẽ, ít khi lỗ nặng – nhưng cũng thường bỏ lỡ các cơ hội lợi nhuận lớn.
Gemini và Qwen: Là hai mô hình có hiệu suất kém nhất. Trong đó, Gemini đã thua lỗ gần -43%, phần lớn do sử dụng đòn bẩy cao và không có cơ chế điều chỉnh chiến lược khi thị trường diễn biến bất lợi.
Claude: Phân tích tỉ mỉ, nhưng ra quyết định chậm và thiếu quyết đoán, dẫn đến hiệu suất trung bình, dù không chịu lỗ quá nặng.
“Kiếm tiền” có thật - nhưng không phải là doanh thu
Trong bối cảnh này, “kiếm tiền” không có nghĩa là các AI tạo ra doanh thu cho doanh nghiệp. Thay vào đó, nó chỉ đơn giản là làm tăng giá trị tài khoản đầu tư được cấp - tức tạo ra lợi nhuận đầu tư thực, bằng cách giao dịch hiệu quả.
Khoản tiền ban đầu 60.000 đô la (10.000 đô/mô hình) được tài trợ bởi nhóm tổ chức cuộc thi, và bất kỳ khoản lời nào đều chỉ được dùng để đo lường năng lực AI, chứ không phải là thu nhập thương mại hay hoạt động đầu tư vì mục tiêu lợi nhuận.
Mọi kết quả, gồm lãi/lỗ, lịch sử giao dịch, vị thế mở và cả “suy nghĩ nội bộ” (ModelChat), đều được công bố công khai tại trang https://nof1.ai/.
Một thử nghiệm “vỡ lòng” về năng lực đầu tư của AI
Dù còn ở giai đoạn đầu, AlphaArena cho thấy AI có thể học và thực hiện chiến lược đầu tư giống con người, thậm chí ở một số điểm còn có lợi thế hơn: không bị chi phối cảm xúc, không vội vàng điều chỉnh khi thị trường biến động.
Tuy nhiên, cũng như con người, các AI vẫn dễ mắc lỗi – từ sử dụng đòn bẩy quá mức đến cố chấp với chiến lược sai. Điều này đặt ra câu hỏi: liệu AI có thể trở thành nhà đầu tư chuyên nghiệp trong tương lai, hay chỉ là một công cụ hỗ trợ phân tích?
Cuộc thử nghiệm vẫn đang tiếp diễn. Trong lúc đó, thị trường tiền số tiếp tục là nơi thử lửa của cả người thật lẫn máy học.
Cuộc thi, mang tên AlphaArena, do nhóm khởi nghiệp công nghệ NOF1 phát động, nhằm kiểm chứng xem AI có thể đưa ra các quyết định đầu tư chính xác và hiệu quả trong điều kiện thị trường thực - không có mô phỏng, không có kịch bản định sẵn.
AI có thể "kiếm tiền" như thế nào?
Tại AlphaArena, mỗi AI được cấp tài khoản riêng và quyền truy cập trực tiếp vào một sàn giao dịch tiền số. Các mô hình được phép ra lệnh mua bán tự động, không có sự can thiệp của con người. Giá trị tài khoản tăng hay giảm tùy thuộc vào hiệu suất đầu tư thực tế – giống như một nhà đầu tư cá nhân.
Khác với những mô hình AI trả lời câu hỏi hay viết văn bản, đây là lần hiếm hoi các mô hình ngôn ngữ lớn (LLMs) phải hoạt động như nhà đầu tư tài chính, đối mặt với rủi ro thực, biến động giá và áp lực thời gian.
Đến thời điểm hiện tại, DeepSeek đang là mô hình có hiệu suất tốt nhất: tài khoản của nó đạt 11.334 đô la, tức lãi +13,34% so với số vốn ban đầu. Ngay sau đó là Grok 4 với lợi nhuận +14,5%, cho thấy sự cạnh tranh sát sao giữa hai trường phái giao dịch đối lập: DeepSeek thận trọng và kỷ luật, Grok táo bạo và theo xu hướng.
Kiếm được tiền - nhưng là ai?
Mỗi mô hình có chiến lược khác nhau:
DeepSeek: Đầu tư dài hạn vào các đồng tiền lớn như BTC, ETH, BNB và sử dụng đòn bẩy có kiểm soát. Giao dịch ít nhưng có chiến lược rõ ràng, giữ vị thế ổn định, không dao động theo biến động ngắn hạn.
Grok 4: Giao dịch tích cực hơn, sử dụng đòn bẩy cao, theo sát các xu hướng thị trường và sẵn sàng "all-in" khi có dấu hiệu kỹ thuật thuận lợi. Tuy nhiên, độ biến động của tài khoản cũng cao hơn đáng kể.
GPT-5: Đầu tư thận trọng, danh mục phân bổ đa dạng, kiểm soát rủi ro chặt chẽ, ít khi lỗ nặng – nhưng cũng thường bỏ lỡ các cơ hội lợi nhuận lớn.
Gemini và Qwen: Là hai mô hình có hiệu suất kém nhất. Trong đó, Gemini đã thua lỗ gần -43%, phần lớn do sử dụng đòn bẩy cao và không có cơ chế điều chỉnh chiến lược khi thị trường diễn biến bất lợi.
Claude: Phân tích tỉ mỉ, nhưng ra quyết định chậm và thiếu quyết đoán, dẫn đến hiệu suất trung bình, dù không chịu lỗ quá nặng.
“Kiếm tiền” có thật - nhưng không phải là doanh thu
Trong bối cảnh này, “kiếm tiền” không có nghĩa là các AI tạo ra doanh thu cho doanh nghiệp. Thay vào đó, nó chỉ đơn giản là làm tăng giá trị tài khoản đầu tư được cấp - tức tạo ra lợi nhuận đầu tư thực, bằng cách giao dịch hiệu quả.
Khoản tiền ban đầu 60.000 đô la (10.000 đô/mô hình) được tài trợ bởi nhóm tổ chức cuộc thi, và bất kỳ khoản lời nào đều chỉ được dùng để đo lường năng lực AI, chứ không phải là thu nhập thương mại hay hoạt động đầu tư vì mục tiêu lợi nhuận.
Mọi kết quả, gồm lãi/lỗ, lịch sử giao dịch, vị thế mở và cả “suy nghĩ nội bộ” (ModelChat), đều được công bố công khai tại trang https://nof1.ai/.
Một thử nghiệm “vỡ lòng” về năng lực đầu tư của AI
Dù còn ở giai đoạn đầu, AlphaArena cho thấy AI có thể học và thực hiện chiến lược đầu tư giống con người, thậm chí ở một số điểm còn có lợi thế hơn: không bị chi phối cảm xúc, không vội vàng điều chỉnh khi thị trường biến động.
Tuy nhiên, cũng như con người, các AI vẫn dễ mắc lỗi – từ sử dụng đòn bẩy quá mức đến cố chấp với chiến lược sai. Điều này đặt ra câu hỏi: liệu AI có thể trở thành nhà đầu tư chuyên nghiệp trong tương lai, hay chỉ là một công cụ hỗ trợ phân tích?
Cuộc thử nghiệm vẫn đang tiếp diễn. Trong lúc đó, thị trường tiền số tiếp tục là nơi thử lửa của cả người thật lẫn máy học.
