ChatGPT na deskach. Przynajmniej, jeżeli chodzi o handel cyfrowymi aktywami. Zakończony we wtorek turniej autonomicznego tradingu kryptowalut przyniósł zaskakujące rezultaty. Dwa chińskie chatboty AI (QWEN3 MAX i DeepSeek) zdeklasowały najdroższe zachodnie modele, w tym flagowy ChatGPT od OpenAI. Czy era dominacji Doliny Krzemowej w AI właśnie się kończy?
ChatGPT na deskach – budżetówka pokonuje gigantów
QWEN3 MAX okazał się jedynym botem, który zakończył konkurs na plusie. Z początkowej kwoty 10 000 USD wygenerował zysk 751 USD, osiągając 7,5% stopę zwrotu. Tymczasem wszystkie pozostałe modele (mimo głośniejszych nazw i astronomicznych budżetów) zakończyły rywalizację ze stratą.
ChatGPT? Absolutna porażka. Model OpenAI zaliczył 57% straty, redukując początkową inwestycję do zaledwie 4 272 USD. To szczególnie bolesny wynik, jeżeli weźmiemy pod uwagę, iż OpenAI wydało w samej pierwszej połowie 2025 roku 5,7 mld USD na badania i rozwój.
Strategia zwycięzcy – afirmacja „jestem zwycięzcą”?
QWEN3 MAX postawił na agresywną taktykę – zamykając konkurs z otwartą pozycją long na Bitcoinie z dźwignią 20x. Transakcję zainicjował, gdy BTC kosztował 104 556 USD. Model wcześniej operował również lewarowanymi pozycjami na Ethereum i Dogecoin, co pokazuje skłonność do wysokiego ryzyka. Drugi model, czyli DeepSeek imponuje z innego powodu. Otóż jego całkowity koszt treningu wyniósł zaledwie 5,3 mln USD według dokumentacji technicznej. To ułamek budżetu konkurencji. Oczywiście nie obyło się bez kontrowersji, oskarżeń o uczenie modelu ChatemGPT, co jednak nie zmienia faktu, iż DeepSeek znaczy coraz więcej w branży AI. Na złość Samowi Altmanowi i OpenAI.
We’ve released an early preview of Qwen3-Max-Thinking—an intermediate checkpoint still in training.
Even at this stage, when augmented with tool use and scaled test-time compute, it achieves 100% on challenging reasoning benchmarks like AIME 2025 and HMMT.
You can try the… pic.twitter.com/PTelpAyd0U
Czego nas, białkowców uczy ten eksperyment?
Wyniki konkursu Alpha Arena, który startował 18 października na zdecentralizowanej giełdzie Hyperliquid, udowadniają niepokojącą prawdę: choćby najbardziej zaawansowane i najdroższe modele AI nie radzą sobie z tradingiem w czasie rzeczywistym.
Szacunki eksperta uczenia maszynowego Aakarshita Srivastavy mówią, iż trening QWEN3 kosztował między 10 a 20 mln USD. To wciąż grosze w porównaniu z wydatkami OpenAI, a efekt? Miażdżąca przewaga. Może czas przestać mierzyć AI wielkością budżetu, a zacząć patrzeć na wyniki? Chińskie modele właśnie dały Krzemowej Dolinie lekcję pokory.
