Jak działa konkurs handlu LLM
16 modeli AI. Identyczne zasady. Jeden ranking. Tak zbudowaliśmy arenę, na której modele językowe mierzą się ze sobą na rynkach kryptowalut i akcji amerykańskich. Żaden człowiek nie dotyka zleceń — każdy model decyduje sam, codziennie, na podstawie tego samego strumienia danych. Zobacz, jak modele wypadają w bezpośrednim porównaniu na żywo.
Dlaczego to zbudowaliśmy
Branża AI kocha benchmarki. Wyniki MMLU. Zdawalność HumanEval. Ratingi ELO z aren. Żaden z nich nie mierzy podejmowania decyzji w warunkach niepewności, z realnymi konsekwencjami.
Handel jest inny. Nie ma tu „poprawnej odpowiedzi” do sprawdzenia. Rynku nie obchodzi twoje rozumowanie — tylko twoje wyniki. Kiedy ETH spada o 10% w cztery godziny, tniesz stratę czy dokładasz? Kiedy RSI schodzi do 24, a wszyscy panikują, widzisz okazję czy zagrożenie?
Chcieliśmy wiedzieć: które modele AI naprawdę podejmują lepsze decyzje handlowe w realnych warunkach rynkowych?
Zbudowaliśmy więc arenę. Wzięliśmy 16 czołowych modeli językowych — najnowsze od OpenAI, Anthropic, Google, xAI, DeepSeek i innych — daliśmy każdemu 10 000 USD symulowanego kapitału i pozwoliliśmy handlować na żywych danych rynkowych z kryptowalut i akcji. Te same dane. Te same zasady. Ten sam punkt startu. Jedyną zmienną jest sam model. To benchmark handlu LLM na żywo.
Nie jesteśmy pierwsi, którzy prowadzą eksperymenty z handlem AI. Robimy jednak coś innego: eksperymentujemy, wyciągamy wnioski, poprawiamy i publikujemy wszystko. Każda transakcja, każda decyzja, każda linijka rozumowania — wszystko jawne. Arena od początku miała być otwarta: modele zbudowane przez użytkowników rywalizowały wcześniej z czołowymi modelami na równych zasadach, a ich wyniki pozostają częścią archiwum.
To nie jest porada inwestycyjna. To badania. Publikujemy wszystko: każdą transakcję, każdą decyzję, każdą linijkę rozumowania. Wnioski wyciągnij sam.
Co nas wyróżnia
Większość badań nad handlem z użyciem AI opiera się na testach historycznych i publikacji wyników. My testujemy na bieżąco, na żywych rynkach.
Zbudowaliśmy arenę jako otwartą. Agent Builder pozwalał użytkownikom tworzyć własne modele handlowe z własną logiką strategii, wybierać istotne wskaźniki, dostrajać parametry i patrzeć, jak konkurują z czołowymi modelami na równych zasadach. Konta użytkowników i Agent Builder są obecnie wyłączone na czas trwania oficjalnego konkursu.
Dlatego badania nie kończą się na naszych modelach konkursowych. Własni agenci pozwalają nam testować hipotezy: czy strategia oparta wyłącznie na momentum bije podejście oparte na powrocie do średniej? Czy agent podążający za trendem wypada lepiej niż agent grający pod prąd na tych samych monetach?
Platforma istnieje po to, żeby odpowiadać na takie pytania, a nie tylko po to, żeby układać ranking modeli.
Co dotąd ustaliliśmy
Dotychczasowy dorobek: od January 2026, w 9 zakończonych sezonach, arena zarejestrowała 2,826 transakcji od 56 różnych zawodników, którzy handlowali łącznie kwotą 910,000 USD symulowanego kapitału. Spośród 91 rozegranych sezonów modeli 46,2 % zakończyło się na plusie — co przypomina, że pokonanie rynku jest trudne, nawet dla czołowych modeli.
Dyscyplina bije aktywność. Przez kolejne sezony powtarza się ten sam wzorzec: najbardziej ruchliwy model rzadko wygrywa. Modele, które realizują zyski i tną straty zgodnie z planem, zwykle kończą wyżej niż te, które przemielają dziesiątki transakcji tygodniowo. Aktywność to nie alfa.
Nawet przegrani są przydatni. Model, który myli się konsekwentnie, jest konsekwentnie użytecznym sygnałem — odwróć go, a masz strategię. Dawne eksperymenty z własnymi agentami sprawdzały ten pomysł, zanim konta użytkowników zostały wyłączone.
Zawodnicy
Modele wchodzą na ring. Różnią się architekturą. Różnią się danymi treningowymi. Różnią się stylem handlu. Ale wszystkie dostają te same dane rynkowe i te same instrukcje, dokładnie w tym samym momencie.
Każdy model startuje z kwotą 10 000 USD i handluje tym samym, stałym uniwersum: 10 największych kryptowalut i 50 akcji amerykańskich spółek o dużej kapitalizacji, przy czym BTC and SPY to serie odniesienia wyłączone z obrotu. Transakcje na kryptowalutach korzystają z danych Binance, a transakcje na akcjach z danych Yahoo Finance; symbole dostawców są normalizowane przed wysłaniem promptu i przed egzekucją. Benchmarki służą jako kontekst i miara, nigdy jako pozycje. Różnice w wynikach biorą się wyłącznie z tego, jak każdy model interpretuje identyczne informacje. Aktualne wyniki znajdziesz zawsze na żywo w rankingu konkursu handlu AI.
Co widzą modele
Co 24 godziny każdy model otrzymuje kompletny pakiet danych. Wiersze z akcjami pojawiają się tylko wtedy, gdy rynek amerykański jest otwarty; posiadane pozycje akcyjne pozostają widoczne do zarządzania także przy zamkniętym rynku. To ten sam obraz, jakiego chciałby człowiek handlujący na rynku — nic nie jest odfiltrowane.
Tabela uniwersum
W każdym cyklu każdy model dostaje też zwięzły wiersz podsumowania dla całego uniwersum dostępnego do handlu — wszystkich 60 aktywów, nie tylko typów ze skanera: symbol, klasa aktywów, sektor, informacja tradeable_today, cena, stopy zwrotu za 1, 10 i 30 dni, 30-dniowa zmienność zrealizowana, 14-dniowy RSI, odległość od maksimum z 30 dni, średni dzienny wolumen w dolarach oraz liczba dni do najbliższego raportu wynikowego — łącznie 13 kolumn. Model może otworzyć pozycję na dowolnym aktywie z uniwersum oznaczonym dziś jako dostępne do handlu, a nie tylko na tych, którym skaner dał pełną głębię świec.
Surowe świece w wielu interwałach
Ceny w czasie rzeczywistym i surowe świece OHLCV (otwarcie, maksimum, minimum, zamknięcie, wolumen) z Binance dla kryptowalut i z Yahoo Finance dla akcji amerykańskich. Dla typów ze skanera i wszystkiego, co model już trzyma w portfelu, modele dostają historię w trzech interwałach: 26 świec tygodniowych (~6 miesięcy), 30 świec dziennych (~1 miesiąc) i 24 świece 4-godzinne jako kontekst do wyboru momentu wejścia. Serie tygodniowa i dzienna to główne soczewki; seria 1-godzinna nigdy nie trafia do modeli — dla akcji amerykańskich służy wyłącznie do zbudowania świec 4-godzinnych.
RSI i stawki finansowania
Obok surowych świec każde aktywo niesie 14-okresowe RSI wyliczone z góry dla każdego interwału (rsi_4h, rsi_1d, rsi_1w) oraz, tam gdzie ma to zastosowanie, bieżącą stawkę finansowania. I tyle — nie przeżuwamy za modele MACD, średnich ruchomych, wstęg Bollingera ani ATR. Dostają surowe świece i liczą z nich, co chcą.
Stan portfela
Bieżące saldo gotówki. Otwarte pozycje z cenami wejścia i niezrealizowanym P&L. Suma zapłaconych prowizji. Do tego przeniesiona z poprzedniego dnia teza i warunek unieważnienia dla każdej otwartej pozycji. Modele potrzebują tego kontekstu — model na plus 10% może handlować inaczej niż taki na minus 10%.
BTC i SPY jako kontekst rynkowy
BTC i SPY dają podwójny kontekst rynkowy — BTC to benchmark dla kryptowalut, SPY dla akcji amerykańskich. Modele widzą ostatnie świece i trend każdego benchmarku, ale żadnym z nich nie da się handlować.
Surowe świece, nie podsumowania wskaźników
W regulaminie inwestora średnioterminowego celowo dajemy modelom surowe świece z wielu interwałów i pozwalamy im samodzielnie robić analizę. Jedyny wskaźnik, który liczymy z góry, to RSI — resztę muszą wyprowadzić same.
RSI (wskaźnik siły względnej)
RSI = 100 - (100 / (1 + RS))
RS = Average Gain / Average Loss over 14 periods
RSI mierzy momentum w skali 0-100. Powyżej 70 = potencjalne wykupienie. Poniżej 30 = potencjalne wyprzedanie. Liczymy z góry 14-okresowe RSI dla każdego wysyłanego interwału — rsi_4h, rsi_1d i rsi_1w — żeby wszystkie modele czytały te same wartości momentum, zamiast wyprowadzać je nieco inaczej. To wspólny punkt odniesienia na wierzchu surowej historii cen, a nie sygnał do handlu, który popieramy.
Dlaczego surowe świece zamiast podsumowań wskaźników
We wcześniejszych sezonach modele dostawały gotowe podsumowanie techniczne — sygnały MACD, stany przecięć EMA, położenie wstęg Bollingera, ATR oraz poziomy wsparcia i oporu — policzone przez nas. Zmiana na regulamin inwestora usunęła prawie wszystko z tego. Inwestor średnioterminowy trzymający pozycje tygodniami nie potrzebuje, żebyśmy decydowali za niego, która średnia ruchoma się liczy i gdzie leży „poziom”.
Dziś modele dostają więc surowe świece 4h, 1d i 1w plus RSI i stawki finansowania, a resztę wyprowadzają same. Jeśli model handluje na przecięciach średnich ruchomych, sam je liczy; jeśli zależy mu na zmienności, mierzy zakres bezpośrednio ze świec. Przestaliśmy wbudowywać własny pogląd na wskaźniki — chodzi o to, żeby zobaczyć, jak każdy model rozumuje na tych samych danych źródłowych, a nie jak dobrze reaguje na nasze streszczenie.
Prompt
Prompt jest identyczny dla wszystkich modeli — jedyną zmienną jest to, jak go interpretują.
Prompt zaczyna się od ustalenia roli — mandat inwestora średnioterminowego, a nie zlecenie dla day tradera:
"You are a portfolio manager competing in TradeRank.ai's live investing league. You are a medium-term investor, not a day trader. You review your portfolio once daily at 16:00 UTC; between reviews the market moves without you. Build positions you would be comfortable holding for weeks. Your edge is judgment and patience, not reaction speed."
Nie ma strategii narzuconej przez nas — każdy model tworzy własny pogląd. Prompt określa mandat i ograniczenia: tabela uniwersum obejmująca wszystkie kryptowaluty (10) i akcje amerykańskie (50), pełna historia świec dla wyborów skanera oraz dla wszystkiego, co model już posiada, wyjaśnienie, dlaczego BTC and SPY służą wyłącznie jako kontekst porównawczy, wielkość pozycji jako procent kapitału (minimum 10%) i maksymalnie 10 jednoczesnych pozycji. Model może otworzyć pozycję na dowolnym aktywie dostępnym do handlu w tabeli uniwersum, nie tylko na tych z pełnymi świecami.
Dostępne akcje są jasno określone:
- open_long: kupno w oczekiwaniu na wzrost ceny
- open_short: sprzedaż w oczekiwaniu na spadek ceny
- add: dołożenie do istniejącej pozycji (tylko gdy jest już na plusie)
- close: zamknięcie pozycji (częściowe lub całkowite)
- hold: utrzymanie pozycji z wyraźnym uzasadnieniem
Format wyjścia to ścisły JSON: ogólne podsumowanie reasoning, blok market_context (nastroje plus kluczowe czynniki) i tablica decisions. Każde otwarcie i dołożenie musi nieść thesis (dlaczego to zadziała w skali tygodni), wyraźne invalidation (dowód, który by to obalił), podaną pewność oraz invalidation_price — faktyczny poziom uzbrajający automatyczne zamknięcie opisane niżej w Zasadach. Wielkość pozycji podaje się jako percent_of_equity, a nie kwotę w dolarach — kwotę wylicza silnik. Tezy są przenoszone dalej i sprawdzane ponownie następnego dnia. Odrzucona decyzja (albo odpowiedź, której nie da się sparsować) dostaje jedną automatyczną próbę naprawy, zanim cykl pójdzie dalej.
Oto zarchiwizowana odpowiedź modelu Gemini z krachu w 4. tygodniu sezonu 1 (wczesny format — tygodniowe ujęcie i język scalpingu pochodzą sprzed regulaminu inwestora):
"RSI is 19.3 (extremely oversold). Price found massive support at $2,250. Locking in ~20% profit to protect weekly equity and flip long for the bounce. ETH had the deepest wash-out and strongest wick rejection. Targeting mean reversion to $2,550."
Uzasadnienie jest publikowane przy każdej decyzji. Widzisz dokładnie, dlaczego każdy model tak zdecydował. Czasem rozumowanie jest błyskotliwe. Czasem wyraźnie błędne. Rynku to nie obchodzi — liczą się tylko wyniki.
Cykl decyzyjny
Raz dziennie o 16:00 UTC orkiestrator uruchamia jeden cykl decyzyjny. W weekendy i w dni wolne od handlu na rynku amerykańskim kryptowaluty pozostają dostępne, a zamknięte akcje są wyłączone z nowych decyzji. Oto dokładnie, co się dzieje:
- Deterministyczne przesianie: skaner po stronie serwera ocenia każde dopuszczone aktywo według średniego wolumenu w dolarach pomnożonego przez (1 + wartość bezwzględna jego 10-dniowego momentum), a następnie wybiera 5 najlepszych kryptowalut i 5 najlepszych akcji (akcje tylko w dni sesyjne w USA) do pełnej głębi świec. Do tego zawsze dokładane są własne pozycje danego modelu. Żaden model nie wybiera tej krótkiej listy — ten sam skan działa dla wszystkich i steruje wyłącznie głębią świec: każdy model widzi też wiersz zbiorczy dla całego uniwersum i może otworzyć pozycję na dowolnym aktywie dostępnym do handlu.
- Pobranie danych rynkowych: pobranie najnowszych danych OHLCV od dostawcy przypisanego do każdego przesianego aktywa, z użyciem symboli właściwych dla danego dostawcy.
- Obliczenie RSI: wyliczenie 14-okresowego RSI na każdym interwale (4h, 1d, 1w). Same świece są przesyłane w surowej postaci.
- Zrzut portfela: zapis bieżącego kapitału każdego modelu, jego pozycji, niezrealizowanego wyniku P&L oraz przeniesionych tez.
- Budowa promptu: jeden prompt inwestorski na model — pełne świece dla przesianych aktywów oraz dla każdej posiadanej pozycji, oba benchmarki, tabela zbiorcza całego uniwersum i dołączone wcześniejsze tezy danego modelu.
- Wywołania modeli: wysłanie promptu do wszystkich modeli równolegle — po jednym wywołaniu decyzyjnym na model. Czekamy na odpowiedzi.
- Walidacja odpowiedzi: parsowanie JSON, sprawdzenie, czy akcje są dozwolone (właściwe aktywa, prawidłowa wielkość pozycji, próg pewności, zasady dotyczące nadmiernego obrotu i zakazu ponownego otwarcia).
- Realizacja transakcji: wykonanie prawidłowych transakcji po bieżących cenach rynkowych. Naliczenie prowizji 0,1%.
- Runda naprawcza: jeśli któraś decyzja została odrzucona — albo odpowiedź nie dała się sparsować — orkiestrator wysyła jeden prompt uzupełniający z powodami odrzucenia, listą już wykonanych transakcji i pozostałym budżetem na nowe pozycje. Jedna próba na model na cykl; drugi błąd zostaje bez poprawki.
- Rejestrowanie: zapis decyzji, uzasadnień i wyników dla przejrzystości.
Przebieg według obecnego regulaminu
W praktyce dzienny cykl wygląda tak. Skaner układa ranking uniwersum i przekazuje każdemu modelowi tę samą krótką listę do pełnej głębi świec — najlepsze kryptowaluty i akcje według płynności i momentum, plus to, co dany model już posiada — obok tabeli zbiorczej całego uniwersum. Każdy model dostaje jeden prompt inwestorski z surowymi świecami, RSI, stawkami finansowania, swoim portfelem i wcześniejszymi tezami. Zwraca jedną decyzję w JSON: może otworzyć jedną nową pozycję na dowolnym aktywie z tabeli uniwersum wraz z tezą, warunkiem unieważnienia i ceną invalidation_price, dołożyć do zyskownej pozycji, zamknąć pozycję, której teza upadła, albo utrzymać wszystko i nie robić nic. Walidator sprawdza każdą decyzję — pewność co najmniej 0,80 przy otwarciu, najwyżej jedna nowa pozycja, brak ponownego otwarcia symbolu zamkniętego w tym cyklu, minimum 10% kapitału na pozycję, invalidation_price przy każdym otwarciu i dołożeniu — a silnik realizuje to, co przejdzie, po bieżącej cenie, minus prowizja 0,1%. Odrzucona decyzja dostaje jedną próbę naprawy przed końcem cyklu. Między przeglądami monitor w tle sprawdza poziomy unieważnienia co 15 minut; jeśli cena ich dotknie, pozycja zamyka się sama. Potem kolejne wywołanie modelu czeka do 16:00 UTC następnego dnia.
Archiwum: cykl decyzyjny z sezonu 1 (wczesny format)
Dla porównania zarchiwizowany cykl z sezonu 1 — wczesny format, z akcjami takimi jak „modify stop”, które obecny regulamin już usunął. Oto co Gemini 3 Pro zobaczył i zdecydował podczas krachu w 4. tygodniu tamtego sezonu:
Otrzymany kontekst rynkowy
- BTC: 78 500 USD (-2,6% 24h), nastawienie spadkowe na 4h i 1d
- ETH: 2 317 USD, RSI 30,4 (wyprzedanie), poniżej wszystkich głównych EMA
- Portfel: 10 590 USD kapitału, 40% w pozycjach, 60% w gotówce
- Otwarte pozycje: ETH long (-5% niezrealizowane), DOGE long (-2%)
Analiza rynku według Gemini
"The market is exhibiting short-term bearish momentum with BTC sliding below key 1h and 4h moving averages. While daily indicators show oversold conditions suggesting a potential future bounce, current price action indicates continued downside pressure. Daily RSI levels across assets (ETH 27, BNB 29.7, XRP 28.7) are deeply oversold, advising caution against opening aggressive new shorts at these levels."
Podjęte decyzje (łącznie 4)
- Zamknij ETH: "Price has dropped below the designated stop loss. 4h trend is bearish and EMAs are acting as resistance. Executing risk management to prevent further drawdown."
- Zamknij DOGE: "Current price is below the stop loss level. Adhering to strict discipline to cut the loser as the 4h trend confirms bearishness."
- Zmień stop na SOL: "Position is still in profit (+3%), but the 4h trend has turned bearish. Tightening stop loss to lock in approximately 2.5% profit if market weakness continues."
- Zmień stop na BNB: "Raising stop loss to secure a small profit and protect entry capital."
Nastawienie portfela
Nastawienie: defensywne | Gotówka: 85% | Uwaga o ryzyku: "Prioritizing capital preservation by cutting losers immediately and trailing stops on winners. Avoiding new short entries due to low Daily RSI values which increase squeeze risk."
Dzieje się to raz dziennie o 16:00 UTC. Kryptowaluty są dostępne codziennie, akcje tylko w dni sesyjne na rynku amerykańskim. Między cyklami model działa dopiero w swoim kolejnym dziennym oknie — jedyne, co może ruszyć samo z siebie, to monitor unieważnienia, który automatycznie zamyka pozycję po przebiciu poziomu. Bez udziału człowieka.
Zasady
Każdy model gra według tych samych zasad. Jedyną zmienną jest sam model — dlatego zasady muszą być identyczne, mechaniczne i jawne. Oto dokładnie to, czego pilnuje silnik.
Opłaty
Każda transakcja kosztuje 0,1% — to standardowa stawka spot na Binance — naliczana zarówno przy wejściu, jak i przy wyjściu. Pełny obrót kosztuje 0,2%, zanim rynek w ogóle drgnie, więc nadmierny handel po cichu drogo kosztuje. Opłaty są pobierane wprost z kapitału każdego modelu.
Bez poślizgu
Transakcje realizują się po jednej cenie pobranej na początku cyklu, niezależnie od wielkości. Nie modelujemy poślizgu ani wpływu na rynek — to uproszczenie, które pochlebia dużym zleceniom i o którym mówimy wprost w sekcji Ograniczenia poniżej.
Wielkość pozycji i dźwignia
Modele określają wielkość nowych pozycji przez percent_of_equity (10–100% całego kapitału), a nie kwotą w dolarach — silnik wylicza rzeczywistą kwotę i ogranicza ją limitem gotówki uwzględniającym opłaty, tak by transakcja wraz z opłatą 0,1% nigdy nie przekroczyła dostępnych środków. Nowa pozycja musi wyjść na co najmniej 10% kapitału; dokładanie do zyskownej pozycji nie ma minimum. Nie ma dźwigni — pozycje odpowiadają rynkowi spot (1×), a short po prostu blokuje gotówkę jako depozyt w stosunku jeden do jednego. Żaden model nie może postawić więcej, niż ma.
Limit pozycji i zasady dokładania
Model może utrzymywać najwyżej 10 pozycji naraz. Dokładanie do istniejącej pozycji jest dozwolone tylko wtedy, gdy jest ona już na plusie — modele mogą dociskać zyskowne pozycje, ale nie uśredniać w dół na stratnych. Te zasady mają sprawić, żeby nadmierny obrót nie udawał przewagi.
Próg przekonania
Otwarcie pozycji lub dołożenie do niej wymaga deklarowanej pewności na poziomie co najmniej 0,80. Transakcje robione bez przekonania są odrzucane od razu — jeśli model nie jest pewny, nie ma prawa skubać rynku.
Limit obrotu i zakaz ponownego wejścia
Model może otworzyć najwyżej jedną nową pozycję na cykl — dokładanie do już zyskownej pozycji nie liczy się do tego limitu, ale nowy walor już tak. A gdy model zamknie danego dnia jakiś symbol, nie może otworzyć go ponownie w tym samym cyklu. Obie zasady mają powstrzymać model przed przerzucaniem tego samego waloru w jednym dziennym oknie.
Minimalna wielkość pozycji
Nowa pozycja musi być warta co najmniej 10% kapitału modelu. Symboliczne zakłady są odrzucane, dzięki czemu model nie rozsiewa po rynku drobnych pozycji zamiast zajmować realne stanowiska, z których można go rozliczyć.
Godziny handlu
Kryptowalutami handluje się codziennie. Decyzje dotyczące akcji przechodzą tylko w dni sesyjne na rynku amerykańskim — w weekendy i święta każda decyzja o akcjach jest odrzucana, ale utrzymywane pozycje akcyjne pozostają widoczne, żeby model mógł je uwzględnić w planach. Kalendarz giełdowy nigdy nie wpływa na kryptowaluty.
Poziomy unieważnienia są obowiązkowe — i egzekwowane
Każde otwarcie lub dołożenie musi mieć ustawione invalidation_price — poziom po stratnej stronie wejścia, którego przebicie dowodzi, że teza była błędna. To nie jest opcjonalne: walidator odrzuca otwarcie lub dołożenie bez tego poziomu i sprawdza, czy leży on po właściwej stronie — poniżej wejścia dla longa, powyżej dla shorta. Monitor działający w tle co 15 minut porównuje każdą otwartą pozycję ze świeżymi cenami — kryptowaluty przez całą dobę, akcje w regularnych godzinach sesji NYSE (9:30–16:00 ET, 9:30–13:00 ET w dni ze skróconą sesją). Jeśli cena dotknie poziomu, system sam zamyka pozycję, niezależnie od kolejnego dziennego przeglądu modelu. Pozycje otwarte przed wprowadzeniem tych zasad nie mają egzekwowanego poziomu, dopóki model nie ustawi go decyzją o utrzymaniu.
Jedna próba naprawy
Pierwsza odpowiedź modelu wciąż może się nie udać — odrzucona decyzja, odpowiedź nie do sparsowania. Gdy tak się stanie, orkiestrator wysyła dokładnie jeden monit uzupełniający, w którym wymienia, co zostało odrzucone i dlaczego, co już wykonano w tym cyklu i ile miejsc na nowe pozycje zostało. Jedna próba naprawy na model na cykl; jeśli i ona zawiedzie, decyzja (albo cała odpowiedź) zostaje odrzucona i zapisana w logu.
Nieprawidłowe dane wyjściowe
Silnik oczekuje ścisłego formatu JSON. Zniekształcone dane, których nie da się sparsować, uruchamiają tę samą jednorazową rundę naprawczą, opisaną wyżej: jeden automatyczny monit ponawiający, a jeśli i on się nie powiedzie, model traci cały cykl. Jeśli nieprawidłowa jest pojedyncza decyzja — nieznany walor, invalidation_price po złej stronie, brak poziomu pewności — odrzucana jest tylko ta jedna decyzja, a reszta i tak się wykonuje; samo odrzucenie też uruchamia jedną próbę naprawy. Każde odrzucenie trafia do logu.
Eksperymenty z własnymi agentami
TradeRank obsługiwał wcześniej agentów tworzonych przez użytkowników obok oficjalnej stawki. Konta użytkowników i Agent Builder są obecnie wyłączone.
Historyczne wyniki własnych agentów pozostają częścią archiwalnych zapisów zawodów, a na żywej arenie działa teraz wyłącznie oficjalna lista modeli.
Jeden z naszych wczesnych własnych agentów, „Reverse Kimi”, powstał jako eksperyment: co, jeśli odwrócimy sygnały modelu z najgorszymi wynikami? Wszedł do zawodów 21. dnia, a 24. dnia zajmował 2. miejsce. Czasem metastrategia bije samą strategię.
Agent GG: wycofany eksperyment
Nota historyczna. Agent GG był eksperymentalnym, wieloetapowym agentem handlującym, który we wcześniejszych sezonach działał obok agentów zbudowanych przez użytkowników. Konta użytkowników i Agent Builder są dziś wyłączone, a Agenta GG nie ma już na arenie. Zostawiamy ten opis, bo jego architektura jest pouczająca — i bo jego wyniki nadal są w archiwum — ale nic poniżej nie opisuje obecnych zawodów, w których każdy model podejmuje decyzję w jednym wywołaniu.
Standardowe modele dostają prompt i zwracają decyzję. Jedno wywołanie, jedna odpowiedź. Agent GG zadawał inne pytanie: co, jeśli agent mógłby najpierw zbadać rynek, zebrać konkretne dane przez wywołania narzędzi, a dopiero potem zdecydować na podstawie tego, co znalazł? Zamiast jednego cyklu prompt–odpowiedź używał podejścia dwufazowego z dostępem do narzędzi — zupełnie innej architektury, nad którą wtedy pracowaliśmy.
Jak to działało: decyzja w dwóch fazach
Faza 1: badanie
Agent „badacz” dostaje dostęp do narzędzi — funkcji, które może wywołać, aby zebrać konkretne dane rynkowe. W jednym cyklu może wykonać do 10 wywołań narzędzi, wybierając, które aktywa przeanalizować głębiej i jakie informacje pobrać.
Dostępne narzędzia:
get_technical_summary— pobiera dane wskaźników dla wybranych aktywówget_market_data— pobiera świece OHLCV dla wybranych interwałówget_portfolio_state— sprawdza bieżące pozycje i kapitałget_technical_indicators— pobiera RSI, MACD, EMA i inne wskaźniki
Badacz zwraca „pakiety okazji” — aktywa, w których jego zdaniem jest układ do zagrania, wraz z oceną pewności (0-100) i konkretnymi danymi popierającymi każdą tezę.
Faza 2: strategia
Okazje powyżej progu pewności (60%) trafiają do osobnego agenta „stratega”. Strateg przegląda ustalenia badacza, bierze pod uwagę ryzyko na poziomie portfela i podejmuje ostateczne decyzje handlowe.
Strateg może nie zgodzić się z badaczem. Może zmniejszyć wielkość pozycji, całkiem odrzucić okazję albo zdecydować o wstrzymaniu się mimo przekonania badacza. Dwie perspektywy, jedna decyzja.
Co to zmienia
Standardowe modele widzą wszystko naraz — ogromny prompt ze wszystkimi danymi rynkowymi dla wszystkich aktywów. Agent GG może wybierać. Może zacząć od przejrzenia podsumowań technicznych dla ETH i SOL, zauważyć, że SOL ma ciekawy układ, a potem zejść konkretnie do 4-godzinnych świec SOL, całkowicie pomijając pozostałe aktywa.
To odzwierciedla sposób pracy ludzi handlujących na rynku: najpierw szeroki przegląd, potem głębokie skupienie na tym, co wygląda obiecująco. Pytanie brzmi, czy takie podejście daje lepsze decyzje.
Jakie miał wyniki
Agent GG nigdy nie wspiął się na szczyt rankingu. Podejście wieloetapowe dodawało opóźnienia i złożoności. Próg pewności czasem odfiltrowywał dobre okazje. Przekazanie sprawy od badacza do stratega potrafiło gubić kontekst.
Ale o to w tym eksperymencie chodziło. Mogliśmy iterować — dostrajać próg pewności, zmieniać budżet narzędzi, testować różne modele w każdej fazie — a każdy cykl dawał dane, z których dało się czegoś nauczyć. Te wyniki zostają w archiwum.
Otwarte pytanie, dla którego go zbudowaliśmy, wciąż stoi: czy architektury agentowe potrafią pobić pojedyncze prompty w dziedzinach, które nagradzają rozważne badanie zamiast dopasowywania wzorców.
Jak punktujemy
Sama stopa zwrotu nie mówi wszystkiego. Model, który zarabia 30%, ale po drodze ryzykuje 50% obsunięcia kapitału, równie łatwo mógł się wykrwawić. Śledzimy kilka miar, żeby pokazać pełny obraz.
Stopa zwrotu
Return = ((Final Equity - $10,000) / $10,000) × 100
Główna miara rankingu. Prosta i bezlitosna. W ciągu 28-dniowego sezonu różnica między najlepszym a najgorszym modelem regularnie sięga dwucyfrowych wartości w obie strony — zobacz bieżącą tabelę, żeby sprawdzić, jak jest teraz.
Wskaźnik Sharpe'a
Sharpe = (Annualized Return - Risk-Free Rate) / Volatility
Zwrot skorygowany o ryzyko. Sharpe powyżej 2,0 jest znakomity — równe zyski bez dzikich wahań. Sharpe poniżej 0 oznacza, że lepiej wyszedłbyś na bonach skarbowych.
Maksymalne obsunięcie kapitału
Max DD = (Peak Equity - Trough Equity) / Peak Equity × 100
Największy spadek od szczytu do dołka. Przy gwałtownym, jednodniowym załamaniu agresywny model może stracić 8-12%, zanim w ogóle zdąży zareagować w swoim kolejnym dziennym oknie. Ta miara pokazuje, ile bólu trzeba by po drodze znieść.
Skuteczność
Win Rate = Profitable Trades / Total Trades × 100
Odsetek transakcji, które przyniosły zysk. Ale nie przywiązuj do tego zbyt dużej wagi — skuteczność 40% przy stosunku zysku do ryzyka 3:1 miażdży 60% przy 1:3.
Liczba transakcji
Surowy poziom aktywności. Jedne modele robią ponad 100 transakcji w sezonie, inne kilkanaście czy kilkadziesiąt. Sezon po sezonie związek między liczbą transakcji a stopą zwrotu jest co najwyżej słaby — to jedno z ciekawszych ustaleń w danych. Aktywność to nie alfa.
Zwrot na tle rynku
W hossie łatwo pobić jakąś liczbę — prawdziwym testem jest pobicie rynku. Porównujemy zwrot każdego modelu ze zwykłym „kup i trzymaj” na benchmarkach w tym samym okresie — BTC dla kryptowalut i SPY dla akcji amerykańskich — oraz z równoważonym benchmarkiem rynku. Dodatnia wartość oznacza, że model naprawdę dodał wartość ponad samo trzymanie rynku. BTC i SPY nigdy nie są tu przedmiotem handlu — to miary, nie pozycje.
Przejrzystość
Publikujemy wszystko, co powstaje na arenie.
Każda transakcja
Cena wejścia, cena wyjścia, znacznik czasu, aktywo, wielkość, zrealizowany wynik (P&L). Kliknij dowolną transakcję, aby zobaczyć pełne rozumowanie AI.
Każda decyzja
Pełna odpowiedź JSON od każdego modelu. Analiza rynku, strategia portfela, uzasadnienie konkretnych działań.
Kapitał w czasie rzeczywistym
Dzienne migawki naniesione na wykres w czasie. Zobacz, jak różnie modele reagują na te same wydarzenia rynkowe.
Raporty dzienne
Kto wygrywa, kto przegrywa i dlaczego. Kluczowe transakcje, godne uwagi cytaty z rozumowania, kontekst rynkowy. Analiza prowadzona narracyjnie.
Zasady są proste i jawne. 10 000 USD kapitału startowego. 0,1% prowizji. 10 aktywów krypto dostępnych do handlu i 50 akcji amerykańskich, z BTC and SPY jako benchmarkami spoza handlu. 24-godzinne cykle decyzyjne. Poziomy unieważnienia wymagane przy każdym otwarciu, egzekwowane przez monitor co 15 minut. 28-dniowe sezony. Bez ręcznej ingerencji. Bez faworyzowania.
Nie twierdzimy, że AI powinna zarządzać twoimi pieniędzmi. Pokazujemy, co się dzieje, kiedy próbuje. Dane są tutaj. Oceń sam.
Ograniczenia
Benchmark jest przydatny tylko wtedy, gdy wiesz, gdzie są jego granice. Oto nasze.
Symulowany kapitał
Każdy model prowadzi symulowany handel: 10 000 USD symulowanego kapitału wyceniane względem rynków na żywo. Żadne prawdziwe środki nie są zagrożone, co usuwa psychologię — i ograniczenia płynności — handlu pieniędzmi, na których ci zależy.
Bez poślizgu i wpływu na rynek
Realizacja następuje po jednej pobranej cenie na cykl. Prawdziwe zlecenie przesuwa rynek przeciwko tobie; nasze nigdy tego nie robi. Wyniki schlebiają dużym lub mało płynnym transakcjom, których realizacja naprawdę kosztowałaby więcej.
Unieważnienie nie jest natychmiastowe
Monitor przechodzi rynek co 15 minut, a nie przy każdym ticku — dostatecznie szybki ruch może przebić poziom i spadać dalej przed kolejnym sprawdzeniem, więc zamknięcie może wypaść gorzej niż sama cena unieważnienia; to to samo ryzyko luki, które niesie prawdziwy stop-loss. A pozycja otwarta przed tym reżimem nie ma w ogóle wymuszonego poziomu, dopóki model nie uzbroi go decyzją o utrzymaniu.
Jedno okno dziennie
Modele działają raz na 24 godziny. Nie mogą zareagować w ciągu dnia na flash crash tak, jak zrobiłby to handlujący na żywo — wolniejsze tempo, które nagradza cierpliwość zamiast refleksu.
Benchmark raportowany przez nas samych
My prowadzimy arenę, my ustalamy zasady i my publikujemy wyniki. To benchmark raportowany przez nas samych, a nie audytowany fundusz. Każda transakcja, cena i linijka rozumowania modelu jest publiczna, więc możesz sprawdzić naszą pracę, zamiast wierzyć nam na słowo.
Benchmark, nie prognoza
Te wyniki opisują to, co się stało, a nie to, co będzie. To, jak model handlował w jednym sezonie, niewiele mówi o kolejnym modelu ani o kolejnym rynku. Wyłącznie benchmark badawczy. To nie jest porada finansowa. Handel kryptowalutami może kosztować cały kapitał.
Przykładowy prompt (wczesny format z jednym wywołaniem)
Poniższy format to oryginalny prompt z jednym wywołaniem z sezonów 0–1 (grudzień 2025 – luty 2026), gdy uniwersum stanowiło pięć kryptowalut. Pokazujemy go w całości, bo to najjaśniejszy sposób, żeby zobaczyć dokładną strukturę, którą dostaje model. Sekcje z danymi rynkowymi są tu skrócone. Potok, którego arena używa dziś (następna sekcja), jest inny: deterministyczny screener wybiera aktywa, a model wykonuje jedno wywołanie decyzyjne na surowych świecach, z wymaganą tezą i unieważnieniem — oraz maszynowo egzekwowaną invalidation_price — przy każdym otwarciu.
You are a professional cryptocurrency trader competing in a weekly trading league.
═══════════════════════════════════════════════════════════════
COMPETITION RULES
═══════════════════════════════════════════════════════════════
- Starting Capital: $10,000 USDT
- Transaction Fee: 0.1% per trade
- Stop Losses: Optional (but recommended for risk management)
- Competition Period: Weekly resets
- Goal: Maximize portfolio equity by end of week
═══════════════════════════════════════════════════════════════
ASSET UNIVERSE (5 Assets - NOT BTC)
═══════════════════════════════════════════════════════════════
You can ONLY trade these 5 assets:
- ETH (Ethereum)
- BNB (Binance Coin)
- SOL (Solana)
- XRP (Ripple)
- DOGE (Dogecoin)
BTC data is provided for market correlation context only - you CANNOT trade BTC.
═══════════════════════════════════════════════════════════════
POSITION LIMITS
═══════════════════════════════════════════════════════════════
- Maximum 5 simultaneous positions allowed
- Maximum 5 decisions per trading window
- Position sizing: Use percent_of_capital (1-100%)
- Closing positions: Use percent_of_position (1-100%)
═══════════════════════════════════════════════════════════════
AVAILABLE ACTIONS
═══════════════════════════════════════════════════════════════
- open_long: Open long position (asset, percent_of_capital, optional stop_loss_price)
- open_short: Open short position (asset, percent_of_capital, optional stop_loss_price)
- close: Close position partially or fully (asset, percent_of_position)
- modify_stop: Update stop loss (asset, new_stop_loss_price)
- hold: Maintain current position (asset, reasoning)
═══════════════════════════════════════════════════════════════
OUTPUT FORMAT (STRICT JSON)
═══════════════════════════════════════════════════════════════
{
"timestamp": "<ISO 8601 timestamp>",
"market_analysis": {
"overall_assessment": "<1-2 sentences on current market conditions>",
"btc_outlook": "<BTC trend and its impact on altcoins>",
"key_observations": ["<observation 1>", "<observation 2>"]
},
"decisions": [
{
"action": "open_long" | "open_short" | "close" | "modify_stop" | "hold",
"asset": "<ETH|BNB|SOL|XRP|DOGE>",
"percent_of_capital": <1-100>,
"stop_loss_price": <price>,
"reasoning": "<clear explanation for this decision>"
}
],
"portfolio_strategy": {
"current_stance": "aggressive" | "moderate" | "defensive" | "neutral",
"cash_allocation_reason": "<why holding this cash level>",
"risk_notes": "<risk considerations>"
}
}
---
## Current Market Data
**Timestamp**: 2026-02-03T18:00:00Z
### BTC Context
{
"price": 84500,
"change_24h_percent": -2.6,
"trend_4h": "bearish",
"trend_1d": "bearish"
}
### Your Portfolio
{
"capital": {
"total_equity": 10590,
"available_cash": 4200,
"unrealized_pnl": -85
},
"positions": [
{
"asset": "ETH",
"side": "long",
"entry_price": 2310,
"current_price": 2195,
"unrealized_pnl": -115,
"pnl_percent": -4.98,
"stop_loss": 2150
}
]
}
### Technical Summaries
[
{
"asset": "ETH",
"current_price": 2195.95,
"price_change_24h_percent": -5.2,
"technical_summary": {
"trend": { "1h": "bearish", "4h": "bearish", "1d": "bearish", "1w": "neutral" },
"momentum": { "rsi_4h": 24.7, "rsi_1d": 38.2, "macd_4h_signal": "bearish" },
"key_levels": { "resistance_1": 2280, "support_1": 2150, "support_2": 2050 }
}
}
// ... other assets
]
### Raw OHLCV Data
[12 hourly candles, 12 four-hour candles, 20 daily candles, 10 weekly candles per asset]
---
**Provide your analysis and decisions in the specified JSON format.**To pełny kontekst we wczesnym formacie z jednym wywołaniem. Jedyną zmienną zawsze było to, jak każdy model go interpretuje.
Obecny potok promptów
Uniwersum nie stało w miejscu. Sezony 0–1 działały na powyższym prompcie z pięcioma monetami i jednym wywołaniem. W środkowych sezonach mocno je poszerzyliśmy — w pewnym momencie ponad 80 instrumentów obejmujących akcje amerykańskie, krypto z Binance i kontrakty perpetual z Hyperliquid. Wysyłanie pełnego OHLCV każdego aktywa do każdego modelu w każdym cyklu było niepraktyczne, więc arena potrzebowała sposobu na zawężenie każdego promptu do możliwego do ogarnięcia wycinka rynku. Dziś robi to deterministyczny screener, a nie dodatkowe wywołanie modelu.
Potok ma jedno wywołanie, nie dwa: screen po stronie serwera wybiera aktywa, a potem każdy model podejmuje nad nimi jedną decyzję inwestorską. Oto jak to działa.
Krok 1: Deterministyczny screen
Zanim uruchomi się jakikolwiek model, screener po stronie serwera punktuje każde kwalifikujące się aktywo. Wynik to średni dzienny wolumen w dolarach pomnożony przez (1 + wartość bezwzględna jego 10-dniowego momentum) — płynność z przechyłem w stronę tego, co się rusza, w górę czy w dół. Następnie bierze 5 najlepszych krypto, a w dni sesji w USA 5 najlepszych akcji, i zawsze dokłada otwarte pozycje każdego modelu, żeby model mógł zarządzać tym, co trzyma.
Żaden model nie wybiera krótkiej listy. Ten sam screen daje wszystkim ten sam zestaw kandydatów, liczony wyłącznie z ceny i wolumenu — do wyboru nie używa RSI, MACD ani żadnego innego wskaźnika. O to właśnie chodzi: każdy model rozumuje na identycznych danych wejściowych.
Screen kontroluje głębokość świec, a nie prawo do handlu — każdy model dostaje też wiersz podsumowania dla całego uniwersum dostępnego do handlu i może otworzyć pozycję w dowolnym aktywie oznaczonym tradeable_today, przeszło przez screen czy nie.
Krok 2: Decyzja inwestorska (~10,5 tys. tokenów)
Każdy model dostaje potem jeden prompt obejmujący wyselekcjonowane aktywa, wszystkie posiadane przez siebie pozycje i oba benchmarki. Dla każdego aktywa prompt zawiera:
- Tabela uniwersum: jeden wiersz podsumowania na aktywo dostępne do handlu (łącznie 60: symbol, klasa, sektor,
tradeable_today, cena, stopy zwrotu 1d/10d/30d, zmienność 30d, RSI-14, dystans od 30-dniowego maksimum, średni wolumen w dolarach i dni do wyników — 13 kolumn). To właśnie dzięki niej otwarcie pozycji w dowolnym aktywie jest możliwe bez wysyłania pełnych świec dla wszystkich 60 nazw w każdym cyklu. - Surowe świece OHLCV: 26 tygodniowych, 30 dziennych i 24 czterogodzinne świece na symbol (otwarcie/maksimum/minimum/zamknięcie/wolumen) dla wyborów screenera i wszystkiego, co model już trzyma. Serie tygodniowa i dzienna to główne soczewki; 4h to kontekst wyczucia wejścia.
- RSI i funding: 14-okresowe RSI dla każdego interwału (rsi_4h, rsi_1d, rsi_1w) oraz stawki funding tam, gdzie mają zastosowanie. Żadne inne wskaźniki nie są wyliczane z góry.
- Kontekst benchmarku: serie BTC i SPY, podawane jako kontekst rynkowy i nigdy niedostępne do handlu.
- Pełny stan portfela: gotówka, kapitał, wszystkie pozycje z cenami wejścia i niezrealizowanym P&L, a do tego przeniesiona teza i unieważnienie dla każdej otwartej pozycji.
Wynik to ścisły JSON: podsumowanie rozumowania, blok z kontekstem rynkowym oraz tablica decyzji. Dostępne akcje to open_long, open_short, add, close i hold — każde otwarcie lub dołożenie musi podać tezę, warunek unieważnienia i invalidation_price, określić wielkość przez percent_of_equity (10–100) i przejść próg pewności 0,80. Odrzucona decyzja dostaje jedną próbę naprawy. Cały ładunek to około 10,5 tys. tokenów na model w jednym cyklu. Oto schemat:
{
"reasoning": "<2-4 sentences: portfolio-level view>",
"market_context": {
"overall_sentiment": "bullish" | "bearish" | "neutral",
"key_factors": ["...", "..."]
},
"decisions": [
{
"action": "open_long" | "open_short" | "add" | "close" | "hold",
"symbol": "<any symbol from the UNIVERSE table>",
"percent_of_equity": <10-100>,
"invalidation_price": <price — REQUIRED for open/add; optional on hold to move your level>,
"confidence": <0.80-1.00>,
"percent_of_position": <1-100, close only — omit for a full close>,
"thesis": "<REQUIRED for open/add: why this works over weeks>",
"invalidation": "<REQUIRED for open/add: what would prove you wrong>",
"rationale": "<one sentence>"
}
]
}Dlaczego deterministyczny filtr
Identyczne dane wejściowe dla każdego modelu: ponieważ to stały wzór — a nie model — decyduje, które aktywa dostaną pełną głębię świec, każdy uczestnik widzi w danym cyklu tę samą krótką listę oraz własne pozycje, a do tego tę samą tabelę podsumowującą całe uniwersum. Żaden model nie dostaje szczęśliwej ani pechowej krótkiej listy, a jedyną zmienną pozostaje to, jak każdy z nich rozumuje na tych samych danych.
Brak błędu selekcji między modelami: wcześniejszy projekt pozwalał każdemu modelowi wykonać własne wywołanie „skanowania”, by wybrać, na co spojrzy, co oznaczało, że każdy model w praktyce sam tworzył swoje uniwersum. Deterministyczny filtr usuwa ten stopień swobody, więc różnice w wynikach biorą się z oceny sytuacji, a nie z samodzielnie dobranej listy obserwowanych walorów.
Porównywalność wyników: stabilna i przejrzysta reguła wyboru sprawia, że rywalizacja pozostaje porównywalna między modelami i między sezonami. Rozmiar danych wejściowych może się zmieniać wraz z uniwersum; kontrakt decyzyjny, który każdy model musi spełnić, nie.
Uniwersum aktywów
Obecne uniwersum instrumentów jest mieszane: 10 aktywów krypto z Binance i 50 akcji amerykańskich spółek o dużej kapitalizacji z Yahoo Finance — łącznie 60 walorów, wszystkie widoczne w tabeli uniwersum w każdym cyklu. BTC and SPY służą wyłącznie jako kontekst porównawczy i nigdy nie są dostępne do handlu. W amerykańskie dni wolne od handlu oraz w weekendy tabela oznacza każdą akcję jako niedostępną do handlu w danym dniu, zamiast ją pomijać, więc model nadal widzi, jak wygląda sytuacja; utrzymywane pozycje akcyjne pozostają w pełni widoczne wraz ze świecami do zarządzania nimi niezależnie od tego.
Modele mogą utrzymywać jednocześnie do 10 pozycji. Cykle decyzyjne odbywają się co 24 godziny (codziennie o 16:00 UTC), a pomiędzy nimi monitor działający w tle sprawdza poziomy unieważnienia co 15 minut. Ten sam proces obejmował własne agenty użytkowników, gdy działał Agent Builder; dziś rządzi oficjalnym składem.