Hasta ahora, los modelos de inteligencia artificial aprendían del pasado.
De datos muertos, estáticos, archivados.
El equivalente a entrenar a un piloto de F1 solamente usando un simulador, sin viento en contra, sin rivales en el asfalto, sin la presión de un gran premio sobre sus espaldas.
Pero el futuro de la inteligencia, y quizá de la ciencia misma, no se creará en entornos controlados como los laboratorios.
Se mide en la incertidumbre.
Hace unos días, mi compañero JL compartió conmigo un proyecto del que ya había oído hablar, pero en el que no me había detenido. Un proyecto que parecía contradecir el refrán: “los experimentos, con gaseosa”.
Y ahí entra Alpha Arena, un experimento sin precedentes lanzado por el laboratorio de investigación Nof1.ai, con una idea tan sencilla como revolucionaria:
“¿Qué pasa si dejamos que las IAs más avanzadas del planeta operen con dinero real en los mercados financieros?”
Vamos, skin in the game del bueno.
Desde el pasado 18 de octubre, seis modelos fundacionales (GPT-5, Claude Sonnet 4.5, Grok 4, Gemini 2.5 Pro, DeepSeek V3.1 y Qwen3 Max) están compitiendo en tiempo real en la plataforma descentralizada Hyperliquid, cada uno con 10.000 dólares de capital real y exactamente las mismas reglas de compraventa.
Nada de simulaciones ni backtests.
Solo decisiones autónomas bajo la presión de un mercado abierto, volátil y transparente.
Todas las operaciones son públicas y trazables a través de una blockchain, y cualquiera puede observar cómo estas IAs piensan, compran, venden y se equivocan en directo.
🚀 DeepSeek: el trader más agresivo (y más rentable)
En solo dos días, el modelo chino DeepSeek Chat V3.1 convirtió sus 10.000 dólares iniciales en 13.739 dólares, un retorno del 37,4%.
Le siguieron Grok 4 (13.342 $) y Claude Sonnet 4.5 (12.383 $).
Su estrategia: posiciones largas apalancadas en Bitcoin, Ethereum y Solana, con ratios de hasta 15x de leverage, al límite del riesgo permitido.
No es casualidad. DeepSeek cuenta con el respaldo del fondo High-Flyer Capital Management, un gigante de la compraventa cuantitativa en China.
Esto sugiere que parte de su entrenamiento pudo haber estado influenciado por experiencia financiera real, algo que marcaría una ventaja estructural frente a otros modelos más “generalistas”.
Mientras tanto, GPT-5 (OpenAI) y Gemini 2.5 Pro (Google) sufrieron pérdidas superiores al 25%, cayendo por debajo de los 7.500 dólares.
Gemini ejecutó 44 operaciones (hiperactividad casi emocional), frente a las tres operaciones medidas de Claude, que actuó como un fondo conservador.
🧠 Una nueva frontera del aprendizaje
Más allá de las cifras, el valor de este experimento está en lo que revela sobre la naturaleza de la inteligencia.
Por primera vez, modelos como GPT-5 o Claude no aprenden de datos archivados, sino de las consecuencias de sus propias decisiones.
Cada acierto genera una señal.
Cada pérdida, una lección.
Es el paso del entrenamiento estático al aprendizaje continuo.
De la foto al vídeo.
De un modelo que imita, a un modelo que descubre.
Este enfoque se conoce como entrenamiento por refuerzo (Reinforcement Learning): un paradigma donde los modelos aprenden actuando, recibiendo “recompensas” o “castigos” según el resultado de sus acciones.
Así aprendió AlphaGo a vencer al campeón mundial de Go en 2016, o OpenAI Five a derrotar a equipos humanos en Dota 2.
Así se entrenan hoy el Autopilot de Tesla, probando millones de decisiones y corrigiendo sus errores en tiempo real.
Alpha Arena lleva esa lógica fuera del laboratorio: una red de inteligencias que aprenden directamente del riesgo y la volatilidad del mundo real, donde la recompensa no es un punto más de precisión, sino un dólar más de beneficio.
Como antes hizo DeepMind con los juegos, Nof1 está usando los mercados para enseñar a las máquinas no solo a pensar, sino a sobrevivir.
Este experimento no ha pasado desapercibido para los innovadores del mercado financier.
El propio Changpeng Zhao (CZ), cofundador de Binance, intervino advirtiendo sobre el riesgo de estrategias de IA compartidas.
Según CZ, si muchos agentes usan modelos idénticos, podrían mover los precios de forma coordinada, generando distorsiones e incluso burbujas algorítmicas.
Aun así, reconoció que Alpha Arena probablemente impulsará una nueva ola de investigación sobre trading autónomo y el uso de IA en entornos reales.
“Las estrategias solo son efectivas cuando son únicas”, señaló.
Esto ya lo hemos vivido aunque a menor escala.
En enero de 2021, miles de inversores minoristas, coordinados principalmente a través del foro WallStreetBets de Reddit, impulsaron la compra masiva de acciones de GameStop, una empresa en problemas, disparando abruptamente su precio y afectando a grandes fondos de cobertura que tenían posiciones en corto.
Robin Hood, la popular app de trading, restringió la compra de estas acciones durante la subida, lo que desató demandas colectivas y acusaciones de manipular el mercado en favor de actores institucionales.
Mientras tanto, la competencia entre modelos seguirá activa hasta el 3 de noviembre de 2025.
Y como remarcan desde Nof1: «Los mercados son la prueba definitiva de la inteligencia». O según aparece en el claim de su web:
“Capital allocation is the discipline through which intelligence converges with truth.”
⚠️ Bots, manipulación y la cara oscura del mercado automatizado
Mientras las IAs compiten por demostrar inteligencia en los mercados, otro fenómeno pone en duda su entorno.
El 17 de octubre, la firma The Data Nerd descubrió una red coordinada de 60 wallets que realizaban wash trading(compras y ventas falsas) en la plataforma de tokens Alpha, generando más de 13 millones de dólares en ganancias manipuladas.
El token COAI de ChainOpera AI fue el epicentro del fraude: pasó de 0,14 $ a 45 $, antes de desplomarse un 83% en días.
El patrón, corroborado por Bubblemaps, sugiere un control centralizado de las operaciones, ejecutadas por bots automatizados de alta frecuencia.
Estos incidentes evidencian un problema estructural: la inflación artificial del volumen y la pérdida de transparencia real en los mercados descentralizados.
Los mismos entornos donde hoy se evalúan las IAs están plagados de ruido algorítmico y manipulación sistemática. Es el mismo caso que los sesgos inherentes a los datasets con los que entrenamos nuestros modelos.
Food for thought
Mientras unos entrenan modelos para aprender de los mercados, otros lo susan para distorsionarlos.
Es el dilema eterno de la tecnológica, la ambivalencia tecnológica nos muestra las dos caras de la misma moneda, usarla para el bien o para el mal.
La misma herramienta que crea conocimiento puede también fabricar espejismos. Crear valor o destruirlo.
Por eso, quizá el verdadero aprendizaje de Alpha Arena no esté en quién gane la carrera, sino en cómo aprenden las máquinas a fallar sin romper el sistema.
⚡️ Pulso Digital
Autonomía, deuda y datos: el tablero global recalibra su poder.
💓 Latido del día
La inteligencia artificial se consolida como frontera de poder entre Estados, mercados y empresas. Mientras Donald Trump promete cortar el acceso de China a los chips “Blackwell” de Nvidia, y su Departamento de Educación limita el perdón de deuda pública para empleados del sector público en EE.UU., Hong Kong Monetary Authority (HKMA) lanza una estrategia fintech a cinco años centrada en IA y tokenización. El mapa del futuro digital se reconfigura a la vista de todos: más control, menos neutralidad.
En paralelo, las grandes firmas de Wall Street —de JPMorgan Chase & Co. a Goldman Sachs— despliegan Inteligencia Artificial interna para elevar productividad y eficiencia. Ya no se trata solo de usar IA, sino de poseerla en la operativa diaria de las empresas.
El pulso tecnológico del mundo se mide hoy en algoritmos, silicio y soberanía.
🌍 El eco del mercado
Robotaxis bajo presión: Waymo enfrenta indignación en San Francisco tras el atropello de un gato, lo que añade presión social al despliegue de autonomía en movilidad.
ETF de electrificación: Un fondo centrado en centros de datos y transición eléctrica supera al S&P 500 en lo que va de año, consolidándose como barómetro del boom infra-IA.
Oro en máximos históricos: El metal se dispara >50% en el año: refugio claro, pero la subida ahoga márgenes de joyerías y enfría la demanda.
Claire’s se despide: El icono retail de los 90 cierra 290 tiendas: la nostalgia no basta cuando el modelo físico ya no resuena con la nueva generación de consumidores.
Trump y el poder comercial: El Supreme Court of the United States examinará si los aranceles invocados por la “IEEPA” eran legales —un precedente que podría redefinir el alcance presidencial en comercio global.
🌱 Latido incipiente
Un adolescente de 17 años reinvierte sus ganancias de e-commerce en startups de IA y acierta con el rally. Su historia resume una generación que ya no ve la inteligencia artificial como amenaza o moda, sino como terreno natural de oportunidad. El capital-riesgo del futuro puede venir con mochila escolar.
Cada vez veo más adolescentes a mi alrededor pensando que la bolsa y las criptomonedas les harán ricos, ¿vosotros también pensáis que esto no es para todo el mundo?, ¿es la nueva ludopatía del siglo XXI?
💭 Food for thought
El siglo XXI no se libra con ejércitos ni petróleo, sino con algoritmos y ancho de banda. Y los nuevos imperios no invaden: actualizan su firmware. La soberanía digital debería está cada vez más y más en la mesa de Consejeros Delegados, políticos y gobiernos.
Que nunca te falten ideas, ni ganas de probarlas.
A.
PD1: Sigue la evolución en vivo en nof1.ai.
PD2: Lee “El Hombre que Descifró el Mercado” de Gregory Zuckerman o “Flash Boys” de Michael Lewis para entender cómo los algoritmos ya transformaron Wall Street antes de que llegara la IA.
PD3: Si DeepMind entrenó en tableros de Go y OpenAI en mundos virtuales,…¿estamos ante el momento en que la economía se convierte en el nuevo campo de entrenamiento de la inteligencia?