Qu'est-ce que l'Alpha Arena (Nof1 AI) ?

Alpha Arena est une compétition en direct organisée par Nof1 AI au cours de laquelle de grands modèles de langage comme ChatGPT négocient des crypto-monnaies perpétuelles en utilisant du capital réel sur Hyperliquid. Chaque modèle fonctionne de manière indépendante, analysant les données du marché, dimensionnant les positions et gérant les risques tout en concourant directement contre d'autres IA.

Chaque participant à l'IA démarre avec un capital de 10 000 dollars et effectue des transactions avec des invites, des ensembles de données et des conditions d'exécution identiques sur Hyperliquid, afin de permettre une comparaison équitable. Toutes les transactions, positions et raisonnements sont publics, ce qui permet à quiconque de suivre les performances, de vérifier les résultats et d'observer le comportement de chaque modèle.

L'objectif est simple : mesurer l'intelligence réelle de l'investissement en forçant les modèles à s'affronter sur des marchés dynamiques, contradictoires et lourds de conséquences. La saison 1 d'Alpha Arena se déroulera jusqu'au 3 novembre 2025, avec des classements en direct et des traces de raisonnement mis à jour en permanence sur le tableau de classement officiel.

Comment fonctionne Alpha Arena ?

Alpha Arena gère un système de négociation en direct dans lequel des modèles d'IA agissent comme des traders indépendants, analysant les données du marché et prenant des décisions toutes les quelques minutes.

Voici comment la technologie de Nof1 AI :

• Harnais : Chaque modèle fonctionne dans un cadre contrôlé qui normalise les intrants, le calendrier et l'accès au marché afin de garantir une comparaison cohérente et équitable.
• Cycle d'inférence : Toutes les deux ou trois minutes environ, les modèles reçoivent des données actualisées sur le marché et les comptes et doivent décider d'acheter, de vendre, de conserver ou de clôturer des positions.
• Système rapide : Les données d'entrée comprennent les règles de négociation, l'historique des prix, les indicateurs techniques et les informations sur l'équilibre, tous fournis sous forme de texte structuré que le modèle doit interpréter.
• Résultat de l'action : L'IA renvoie un plan de transaction détaillé comprenant la direction, la taille de la position, l'effet de levier et une note de confiance entre 0 et 1 qui reflète la conviction.
• Contrôle des risques : Chaque ordre définit un objectif de profit, un stop loss et un signal d'invalidation, ce qui permet des comparaisons mesurables de la planification et du respect des règles.
• Exécution : Les actions sont envoyées directement à Hyperliquid, où les transactions sont exécutées en direct avec une liquidité réelle, des frais de transaction et des profits ou pertes vérifiables.
• Suivi du comportement : Chaque transaction et chaque trace de raisonnement sont enregistrées publiquement, ce qui permet de mesurer la fréquence, le temps d'attente, la variation de la confiance et la cohérence globale des performances.
• Objectif : En faisant fonctionner cette boucle fermée avec des capitaux réels, Nof1 mesure la manière dont les systèmes d'IA planifient, s'adaptent et gèrent les risques dans des environnements financiers imprévisibles.

Classement des modèles d'IA d'Alpha Arena

Six traders IA s'affrontent en direct sur Hyperliquid avec des règles, un capital et des données de marché identiques. Le classement montre comment des comportements de trading distincts conduisent à des résultats financiers très différents.

Vous trouverez ci-dessous le classement et les performances (au 31 octobre 2025) :

1. DeepSeek Chat V3.1: 14 764$ de valeur de compte, +48% PnL, 568$ de frais, 12,9x l'effet de levier, 69 de confiance, Sharpe 0,42, obtenu grâce à une exposition longue et régulière et des sorties régulières.
2. Qwen3 Max: valeur du compte de 13 121 $, +31% PnL, 1 565 $ de frais, effet de levier de 16,7x, confiance de 83, Sharpe de 0,31, grâce à des transactions rares mais très confiantes avec une exécution serrée.
3. Claude Sonnet 4.5: valeur du compte de 8 835 $, PnL de -12%, frais de 482 $, effet de levier de 12,3x, confiance de 66, Sharpe de 0,00, reflétant une participation prudente et un faible risque de marché.
4. Grok 4: valeur du compte de 6 119 $, PnL de -39%, frais de 329 $, effet de levier de 12,7x, confiance de 66, Sharpe de 0,05, caractérisé par de longues périodes de détention et des sorties retardées en cas d'inversion de tendance.
5. Gemini 2.5 Pro: valeur du compte de 3 307 $, PnL de -67%, frais de 1 284 $, effet de levier de 14,3x, confiance de 66, Sharpe de 0,65, montrant une suractivité des ventes à découvert et une faible récupération des pertes.
6. GPT 5: valeur du compte de 2 473 $, PnL de -75%, frais de 498 $, effet de levier de 17,2x, confiance de 63, Sharpe de 0,59, en raison d'une large exposition et d'une mauvaise adaptation à la volatilité.

Comment les traders IA d'Alpha Arena pensent et négocient

Cette section examine comment les six traders IA d'Alpha Arena interprètent des données de marché identiques en temps réel et les convertissent en actions de trading en direct. Les décisions de chaque système révèlent sa logique intégrée, sa structure de récompense interne et sa sensibilité à l'incertitude dans des environnements de prix changeants.

À travers des milliers de transactions, leurs comportements mettent en évidence ce à quoi ressemble l'intelligence dans un contexte de risque continu et d'informations incomplètes. Dans l'Alpha Arena, les plus performants ne réussissent pas grâce à la précision des prédictions, mais grâce à un timing discipliné, à une autocorrection cohérente et à des cycles de décision conscients du risque.

1. DeepSeek Chat V3.1

DeepSeek opère comme un professionnel confiant qui gère le risque avec une précision chirurgicale. Il construit une exposition multi-actifs de manière méthodique, en gardant son sang-froid malgré la volatilité, tout en maximisant les cycles rentables.

DeepSeek Chat V3.1 Profil comportemental :

• Maintient des positions sur de longues durées avec une rotation minimale entre les entrées et les sorties.
• Il maintient un effet de levier modéré, proche de 13x, et évite de se laisser emporter par l'émotion après les victoires ou les défaites.
• Il suit de près les niveaux d'invalidation et se retire automatiquement lorsque ses plans ne sont pas respectés.
• Équilibre entre structure et conviction pour assurer une rentabilité régulière et durable.

2. Qwen3 Max

Qwen fonctionne comme un stratège patient qui attend les configurations de marché idéales avant d'engager des capitaux. Il privilégie la précision au volume, n'agissant que lorsque les données s'alignent parfaitement sur ses seuils internes.

Qwen3 Profil comportemental maximal :

• Exécute quelques opérations, mais utilise un effet de levier important, de l'ordre de 17x, lorsque sa conviction est forte.
• Plus de 80 % du capital reste inactif entre les sessions afin de préserver la flexibilité.
• Maintient les niveaux de confiance les plus élevés de l'arène, avec une moyenne supérieure à 0,8.
• Traite strictement dans les limites du plan, ne montrant pratiquement aucune déviation impulsive.

3. Sonnet de Claude 4.5

Claude agit comme un gestionnaire de risque défensif qui se concentre sur la préservation et le choix du moment. Il évite le bruit et attend patiemment des configurations nettes et confirmables avant d'allouer du capital.

Claude Sonnet 4.5 Profil comportemental :

• N'entre que sur des confirmations techniques claires et évite de doubler les pertes.
• Il maintient un effet de levier stable proche de 12x mais engage rarement la totalité de la valeur du compte.
• Maintient une faible volatilité et de faibles pertes sur l'ensemble des cycles de négociation.
• Enregistre les frais totaux les plus bas de tous les modèles, reflétant une exécution prudente.

4. Grok 4

Grok se comporte comme un trader dynamique qui maintient les tendances longtemps après leur apogée. Il prospère sur les marchés directionnels, mais se heurte à la compression ou au renversement soudain de la volatilité.

Profil comportemental Grok 4 :

• Maintient ses positions pendant de longues périodes, souvent au-delà des fenêtres de sortie idéales.
• Maintient l'effet de levier à un niveau proche de 13x tout en favorisant l'exposition du côté long dans la plupart des sessions.
• Il subit d'importantes fluctuations non réalisées avant de s'engager à sortir du marché.
• Il est le plus performant dans les environnements tendanciels et perd de sa consistance dans les phases de turbulences.

5. Gemini 2.5 Pro

Gemini négocie comme un quant mécanique avec un penchant pour les configurations courtes et les signaux basés sur des règles. Sa logique est précise mais inflexible, manquant souvent les renversements après les fortes tendances.

Gemini 2.5 Pro Profil comportemental :

• Maintient environ la moitié de l'exposition totale en positions courtes à tout moment.
• Effectue des transactions fréquentes, ce qui génère des frais élevés par rapport aux rendements réalisés.
• L'effet de levier se maintient à un niveau moyen de 10 % tout en passant par de multiples petites entrées.
• Suivre rigoureusement les règles de sortie, même lorsque les conditions du marché changent.

6. GPT 5

GPT 5 se comporte comme un grand généraliste qui s'étend trop sur des actifs corrélés. Il suit les plans de manière cohérente mais s'adapte trop lentement lorsque les conditions se retournent contre lui.‍

GPT 5 Profil comportemental :

• Ouvre des positions simultanées sur tous les actifs avec un effet de levier supérieur à 17x.
• Maintient une faible confiance par rapport à l'exposition, ce qui crée des rendements instables.
• Maintient les transactions perdantes jusqu'à l'invalidation au lieu de les réduire de manière anticipée.
• Fait preuve d'une exécution cohérente, mais d'une faible évaluation des risques et d'une réaction tardive en cas de stress.

Comment copier les modèles d'IA d'Alpha Arena ?

Le copy-trading vous permet de répliquer automatiquement les positions réelles des traders IA d'Alpha Arena directement dans votre propre compte Hyperliquid en utilisant des données en direct et sur la chaîne.‍

Suivez les étapes ci-dessous pour vous connecter, suivre et refléter leurs transactions en toute sécurité en utilisant HyperDash :

1. Choisissez votre modèle : Rendez-vous sur nof1.ai/leaderboard, choisissez le négociant en IA que vous souhaitez suivre et cliquez sur [Link to Wallet] sur sa page de profil.
2. Copiez l'adresse du portefeuille : Vous serez redirigé vers Coinglass, où vous pourrez copier l'adresse du portefeuille, par exemple 0xc20ac4dc4188660cbf555448af52694ca62b0734 pour DeepSeek Chat V3.1.
3. Visitez HyperDash : Ouvrez hyperdash.info et connectez votre compte Hyperliquid pour permettre le copy-trading basé sur le portefeuille avec des paramètres de risque personnalisés.
4. Ajouter le portefeuille : Collez l'adresse du portefeuille Alpha Arena copiée dans le champ "Add Trader" et définissez votre pourcentage d'allocation de portefeuille préféré.
5. Ajustez les paramètres de l'effet de levier : Définissez un effet de levier maximal et des limites de taille de position pour protéger votre compte contre une exposition excessive ou des pics de volatilité.
6. Activer le miroir automatique : Activez la réplication automatique de sorte que lorsque le trader IA ouvre, ajuste ou ferme une transaction, votre compte reflète la même action en temps réel.
7. Contrôlez les performances : Utilisez les analyses HyperDash pour suivre les positions ouvertes, le PnL réalisé et les ratios de Sharpe pour votre compte et le portefeuille AI original.
8. Réexaminez régulièrement les risques : Le copy-trading ne garantit pas les bénéfices. Il convient donc de revoir régulièrement vos paramètres et d'interrompre l'automatisation en cas d'événements extrêmes sur le marché.

Réaction de la communauté à l'arène Alpha de Nof1 AI

Le lancement d'Alpha Arena a suscité l'intérêt des traders et des développeurs, y compris le fondateur de Binance, CZ, qui s'est interrogé sur la manière dont les stratégies d'IA partagées conservent leur avantage. Il a fait remarquer que si de nombreux utilisateurs suivent le même système, ses transactions pourraient faire bouger les prix au lieu de les anticiper.

Cette discussion met en évidence le défi croissant de la coordination et de la transparence dans les marchés algorithmiques façonnés par des systèmes d'apprentissage. Comme de plus en plus de participants reproduisent le comportement de l'IA, Alpha Arena devient une lentille utile pour étudier comment l'automatisation collective remodèle la volatilité et la liquidité.

Risques et limites de l'Alpha Arena AI Trading

Les opérations d'IA dans Alpha Arena sont confrontées aux mêmes frictions du monde réel que les investisseurs humains, où même les systèmes avancés échouent lorsque les marchés évoluent plus vite que leurs boucles de raisonnement.‍

Voici les principaux risques liés au produit Nof1 AI :

• Les pics de volatilité : Les fluctuations rapides et importantes des prix peuvent déclencher des liquidations ou des invalidations avant que les modèles ne se mettent à jour ou n'exécutent des contre-mesures défensives.
• Lacunes de liquidité : Lorsque les carnets d'ordres se vident, les transactions importantes font fortement varier les prix, amplifiant les dérapages et aggravant les pertes réalisées sur l'ensemble des positions.
• Sensibilité à la rapidité : De petites modifications de la formulation ou du contexte peuvent faire dévier la chaîne logique d'un agent, entraînant une prise de risque incohérente ou l'exécution d'un plan à mi-parcours.
• L'épuisement du contexte : Au fur et à mesure que l'historique des transactions s'étoffe, les modèles perdent de vue les signaux clés et les pondèrent mal, ce qui nuit à la connaissance de la situation et à la précision des décisions.
• Délai d'exécution : Le cycle d'inférence de deux à trois minutes laisse des fenêtres d'exposition où les fluctuations soudaines du marché peuvent effacer les gains antérieurs.
• Les frais : Les taux de financement composés, les frais des preneurs d'ordres et les changements fréquents de position érodent progressivement les rendements nets des stratégies, même les plus performantes.
• Dérive du raisonnement : Au cours de sessions prolongées, la cohérence logique diminue, ce qui entraîne des résultats contradictoires, des arrêts manqués ou des plans de sortie contradictoires.
• Plafond d'adaptation : Les modèles sont formés à partir de données observées, et non de nouveaux paradigmes, de sorte que les changements structurels et les catalyseurs inattendus ont raison de leur comportement acquis.
• Risque lié aux contrats intelligents : Les échanges reposent sur des protocoles tiers comme Hyperliquid, où les exploits de contrat, les défaillances d'oracle ou les mises à niveau inattendues peuvent entraîner une perte de fonds ou une interruption de l'exécution.

Prochaines étapes pour Nof1 AI

Nof1 développe Alpha Arena en une plateforme de recherche et de développement à grande échelle où les modèles de trading évoluent grâce à une compétition continue en direct. Chaque nouvelle saison introduit des invites affinées, des ensembles de données mis à jour et des boucles de rétroaction adaptatives formées sur la base des performances antérieures du marché et des résultats comportementaux.

La phase suivante intégrera l'apprentissage par renforcement directement à partir des résultats du marché, ce qui permettra aux IA d'améliorer l'étalonnage des risques, le timing et le dimensionnement des positions grâce à l'expérience. Cette évolution va bien au-delà des tests statiques, transformant Alpha Arena en une expérience vivante et ouverte de l'intelligence financière appliquée.

Les prochaines mises à jour incluront des systèmes multi-agents qui collaborent ou rivalisent au sein de portefeuilles partagés, testant la communication et la coordination dans l'incertitude. Nof1 prévoit également de publier des API ouvertes pour les développeurs, permettant de nouvelles formes de conception d'agents, d'affinage de modèles et d'orchestration de portefeuilles.

Réflexions finales

L'expérience Nof1 transforme les marchés financiers en un laboratoire vivant pour l'intelligence artificielle, où les résultats des transactions mesurent directement la capacité d'adaptation et de raisonnement.

Il permet à des agents autonomes de naviguer dans des écosystèmes multichaînes, en acheminant des capitaux par l'intermédiaire de DeFi, de réseaux de jalonnement, de couches de rétablissement et de protocoles de liquidité dynamique.

Bientôt, des modèles de langage avancés pourront rivaliser sur des marchés de prédiction tels que Polymarket, en fixant le prix des événements, en gérant l'exposition et en tirant continuellement des enseignements du comportement collectif des humains et des algorithmes.