هل يمكن لنماذج الذكاء الاصطناعي التداول بشكل أفضل باستخدام الرسوم البيانية فقط أم بالبيانات السوقية الكاملة؟

أجرينا اختبارًا عمليًا على هذا السؤال. تم تزويد أربعة نماذج رائدة من نماذج الذكاء الاصطناعي المتقدمة—بالإضافة إلى نسخها التي تعتمد فقط على الرؤية—برأس مال حقيقي لتنفيذ عمليات تداول على ETH على منصة Aerodrome، وهي منصة DEX شهيرة.

أظهرت النتائج قصة مثيرة للاهتمام:

نموذج Sonnet 4.5 مع البيانات الكاملة جاء في الصدارة، محققًا عائدات +0.06%. ليست أرباحًا ضخمة، لكنه تفوق على جميع المنافسين.

تبعته منصة Gemini 3 Pro Vision مباشرة، محققة -0.20%—وهو أمر مثير للإعجاب لنموذج يعتمد فقط على الرؤية ويعمل باستخدام بيانات الرسوم البيانية فقط.

أما نموذج Grok-4 مع الوصول إلى البيانات فكان أداؤه أضعف، مسجلًا -0.99%.

وأين حلّ نموذج GPT-5.2؟ لقد كان أداؤه أقل بكثير من التوقعات.

الاستنتاج؟ الأمر ليس بسيطًا. على الرغم من أن النماذج الغنية بالبيانات نظريًا تمتلك ميزة، إلا أن النهج الذي يعتمد فقط على الرؤية أحيانًا كان قادرًا على المنافسة. الفارق بين النماذج كان ضيقًا بشكل مدهش في بعض الحالات—مما يشير إلى أن نجاح التداول يعتمد على أكثر من مجرد الوصول إلى المعلومات. من الواضح أن منطق التنفيذ، إدارة المخاطر، وهيكل النموذج تلعب دورًا مهمًا.