2025年10月、Binance Researchは、暗号通貨取引に応用された人工知能モデルの初の公式競技会の結果を発表しました。
実際の資金を用いた実験では、AIが利益を生み出すためにはリスク管理における高い規律が必要であり、単にそのアルゴリズムの予測力だけでは不十分であることが示されました。
目次
重要ポイント
- 6つのAIモデルが、10,000 $の資金を用いて実際の暗号通貨市場で自律的に運用されました。
- わずか2つのモデル(DeepSeek Chat V3.1 と Qwen3 Max)のみが利益を上げ、それぞれ+94%と+60%で終了しました。
- 最悪のパフォーマー(Gemini 2.5 Pro と GPT-5)は、資本の60%以上を失いました。
- 決定的な要因は予測精度ではなく、リスク管理でした。
- この実験は、分散型トレーディングにおけるAIの使用に関する初の公開ベンチマークを表しています。
ブロックチェーン上の実際の実験
この研究はNof1.aiとBinance Researchの協力で実施されました。
各モデル — DeepSeek Chat V3.1, Qwen3 Max, Claude Sonnet 4.5, Grok 4, GPT-5, Gemini 2.5 Pro — は、10,000 USDの実資金を受け取り、オンチェーンでパーペチュアル・フューチャーズ市場での取引に使用しました。
すべてのモデルは同一条件で運用されました:同じ数値データセット、テキスト入力なし、24/7の運用時間、完全な意思決定の自律性。
目的は、価格予測の純粋な能力よりも行動とリスク管理を評価することでした。
結果:「AIトレーダー」ナラティブの背後にある現実
最終的な数字は雄弁です:
| AIモデル | リターン (%) | シャープレシオ | 勝率 (%) | 総取引数 | 最大損失 (USD) |
| DeepSeek Chat V3.1 | +94% | 0.45 | 32% | 22 | −1,072 |
| Qwen3 Max | +60% | 0.34 | 33% | 30 | −1,728 |
| Claude Sonnet 4.5 | −1% | 0.03 | 33% | 24 | −1,579 |
| Grok 4 | −7% | 0.04 | 19% | 21 | −657 |
| GPT-5 | −64% | −0.64 | 19% | 74 | −622 |
| Gemini 2.5 Pro | −67% | −0.70 | 26% | 191 | −750 |
わずか2つのモデルだけがプラスの結果で終了しました。
他のすべては資本の大部分を消耗し、意思決定の速さが必ずしも利益に直結しないことを示しました。
むしろ、過剰な活動—数日間で191回の取引—は、過度なレバレッジの使用により損失を拡大しました。
リスク管理: 利益と失敗の違い
最も興味深いデータは、勝利したAIが最も正確ではなかったが、損失を抑えることができたということです。
DeepSeek Chat V3.1 (0.45)とQwen3 Max (0.34)のシャープレシオは、リスク管理が比較的バランスが取れていることを示していますが、取引頻度の高いモデルはシャープがマイナスでした。
Binance Researchによると、損失を出しているモデルの主な誤りは、レバレッジの不適切な使用であり、しばしば10×を超え、各ドローダウン後にオーバートレーディングに陥る傾向があることです。
この行動は「AIリベンジトレーディング」と呼ばれ、人間のそれに類似していますが、アルゴリズム規模で自動化されています。
教訓: AIはトレーダーの経験を代替しない
この実験は、AIが膨大なデータを処理する能力を持っていることを確認しましたが、まだマクロ経済の文脈や市場の行動ダイナミクスを解釈することはできません。
2025年10月10日に発生した190億ドルの清算中、暗号取引の歴史の中で最も深刻な事例の一つとして、ほぼすべてのモデルが遅れて反応し、通常の調整をシステミックな損失に変えてしまいました。
勝利したAIは、数時間にわたって操作を停止しました。これは、より優れた自己抑制プロトコルを示しています。
言い換えれば、違いを生んだのはAIの「頭脳」ではなく、設計者によって組み込まれた安全ルールです。
オンチェーンの透明性と監査可能性
この実験の重要な側面は、すべての取引がオンチェーンで記録されたことであり、公開監査が可能になったことです。
この透明性により、バックテストの典型的な問題が解消され、モデルの実際のパフォーマンスをリアルタイムで評価することができます。
Binance Researchは、トレーサビリティのおかげでオンチェーントレーディングが理想的な環境であり、検証可能な金融AIをテストするための場であると強調しました。このコンセプトは、スマートコントラクトによって監督される自動化されたトレーディングDAOへの道を開く可能性があります。
AIとDeFi: 自律型金融への次なるステップ
この実験は、AIと分散型金融 (DeFi)の統合というより広い文脈に位置しています。
2025年には、AI x Cryptoソリューションの市場が24億ドルの時価総額を超え、Virtualsやx402のようなプロトコルが自律エージェントに人間の介入なしで取引や支払いを実行することを可能にしています。
将来的には、AIエージェントがデータを分析し、意思決定を行い、注文を実行し、支払いを調整することが完全にブロックチェーン上で可能になり、自律金融のサイクルを完結させるというアイデアです。
しかし、10月の結果は、このビジョンが技術的には可能であるが、金融的には未成熟であることを示しています。
AIは行動することができるが、まだ一貫して予測することはできない。
市場と投資家への影響
機関投資家にとって、このテストは重要な指針を提供します:
- AIは効果的なアシスタントになり得るが、人間のアナリストの代替にはならない;
- リスク管理は、モデルが定性的評価を統合するまでは人間のパラメータであるべきです。
- AI + on-chain監査可能性の組み合わせは、透明で自己検証可能なファンドの新しいカテゴリーを生み出し、操作のリスクを軽減する可能性があります。
将来的に、Binanceは2027年までにAIアルゴリズムによって管理される取引量が暗号デリバティブ市場の15%を超える可能性があると予測しています。これは現在の3%と比較してのことです。
これにより、新しいセキュリティとガバナンスの基準が必要となりますが、まだ定義されていません。
結論
Nof1.aiのコンペティションは絶対的な勝者を決めることはありませんでしたが、基本的な原則を浮き彫りにしました:
AIの力は規律の欠如を補うものではない。
暗号通貨トレーディングにおいて、革新とリスクの間の境界は依然として微妙です。
人工知能はおそらくパフォーマンスを向上させることができるかもしれませんが、それは単に不確実性を計算するのではなく、不確実性を理解することができた時だけです。
それまでは、最も先進的なモデルでさえも、不可欠な人間の要素を必要とし続けるでしょう:判断力。




