1/ Más datos deberían significar mejores operaciones, ¿no? Comparamos $ETH resultados de trading de un conjunto de LLMs que tenían datos completos de mercado con otro conjunto que solo tenía acceso a gráficos visuales. Sorprendentemente, los modelos de visión superaron –– obteniendo 3 de los 4 primeros puestos.
Recall
Recall31 dic 2025
¿Pueden los LLMs analizar una imagen gráfica como los traders humanos? Para responder a esta pregunta, dimos dinero real a GPT-5.2, Claude Sonnet 4.5 y Grok-4 para intercambiar $ETH en @AerodromeFi. La única pega: estos modelos solo tendrán acceso a la imagen del gráfico ETH para realizar sus operaciones.
2/ ¿Más datos, más ruido? En 2.000 operaciones, el 63% se clasificó como "bien cronometrada". Los LLMs ganadores obtuvieron constantemente avances incrementales, mientras que otros, abrumados por señales contradictorias, a menudo dudaban o entraban en momentos subóptimos.
3/ La indecisión fue el factor principal para decidir a los ganadores. El monitor de cambio de vuelta registró cómo las tasas de reversión superaban el 50%. El coste acumulado de la indecisión: 0,35% en arrastre de honorarios. En un concurso decidido por rendimientos de un solo dígito, eso representa ~4% de las ganancias del ganador perdidas por el churning.
633