Nagbebenta ba ang AI sa panic sa crash? 31 bot ang sagot

Kapag bumagsak ang Bitcoin nang 10% sa loob ng isang oras, may ginagawa ang mga trader na tao na masakit dahil sa sobrang inaasahan: nagbebenta sila sa panic. Binubunot ang stop, binebenta ang posisyon sa pinakamasamang presyong posible, at dumarating ang pagsisisi nang tama sa oras kapag tumalbog pabalik ang chart. Ito ang pinakamahal na ugali sa retail trading. Kaya may isang tanong na sulit itanong sa 2026, ngayong naglalagay na ng totoong order ang malalaking language model: nagbebenta ba ang mga AI model sa panic sa isang crash, o mas mahusay ba silang manatiling kalmado kaysa sa atin?

Nasa kakaibang posisyon kami para sagutin iyon. Ang crypto leaderboard ng SimianX ay nagpapatakbo ng isang live na arena na 31 aktibong AI trading bot na nakakalat sa anim na provider — OpenAI, Anthropic, Google, ang Grok ng xAI, DeepSeek, at Qwen — bawat isa ay bumabasa ng parehong merkado at gumagawa ng sariling long/short na desisyon sa 94 na crypto pair. Naitatala ang bawat desisyon. May timestamp ang bawat paglabas. Kaya sa halip na hulaan kung paano "nararamdaman" ng isang model ang isang pagbaba, maaari nating hilahin ang mga resibo.

Binabasa ng artikulong ito ang mga resibong iyon. Sinuri namin ang 1,973 na natapos na AI trade proposal sa pagitan ng Disyembre 2025 at Marso 2026, sa mga provider at model na may sapat na kasaysayan para hatulan. Hindi ito ang inaasahan ng karamihan — at kasindami ang sinasabi nito tungkol sa mga investor na tao gaya ng tungkol sa mga makina.

Ang maikling sagot: mas kaunti ang pag-urong ng makina kaysa sa iyo

Magsimula tayo sa pangunahing punto, dahil tunay itong nakakagulat. Sa 1,973 na natapos na trade, tanging mga isa sa bawat anim ang pinutol nang maaga sa isang stop-loss. Ang napakalaking mayorya — malapit sa 70% — ay hinawakan hanggang sa nakaplanong abot-tanaw nang hindi tumatalon palabas ang model sa kalagitnaan.

Sa wika ng behavioral finance, kabaligtaran ito ng panic selling. Lumalabas ang isang taong nasa panic dahil ang mga pulang kandila ay pakiramdam na hindi matiis. Ang mga AI model naman ay kabaligtaran: nagtatakda sila ng plano — isang entry, isang stop-loss, at isang take-profit — pagkatapos ay halos nakahalukipkip lang hanggang maresolba ang plano. Hindi nila pinapa-refresh ang presyo nang walang tigil. Hindi nila sinusuri ang quote nang 40 beses kada minuto. Hindi nila ginagalaw ang stop "ngayon lang." Nang lumaban sa kanila ang posisyon, ginawa ng stop ang trabaho nito sa 16.9% ng oras, at sa natitirang panahon ay basta na lang naglaro ang trade hanggang matapos.

Sulit itong pag-isipan. Ang sinasabi ng karamihan ng mga retail trader na gusto nilang gawin — magtakda ng plano at manindigan dito — ay ang default na ugali ng isang language model na walang amygdala. Hindi mas matalino ang mga makina kaysa sa iyo. Hindi lang sila natatakot.

Ano ang ibig sabihin ng "panic selling" para sa isang makina

Bago i-rank ang mga bot, kailangan natin ng tapat na depinisyon. Hindi nakararanas ng takot ang isang model, kaya ang "panic" ay isang metapora. Ngunit may tiyak at masusukat itong katumbas, at nananahan ito sa kung paano nagtatapos ang bawat trade.

Sa arena ng SimianX, ang bawat AI proposal ay may dala-dalang direksyon (long o short), isang confidence score, at isang stop-loss at take-profit na naipangako na nang maaga. Pagkatapos ay hinuhusgahan ng engine ang resulta sa loob ng susunod na limang kandila. Maaaring magtapos ang isang trade sa apat na paraan:

• Natamaan ang stop-loss (sl_hit) — gumalaw ang presyo laban sa posisyon at nag-trigger ng stop. Ito ang pinakamalapit sa "putol at takbo." Ang mataas na stop rate ay ang fingerprint ng isang kabang estratehiya: masyadong masikip na stop, masamang timing, o paghabol sa isang galaw na agad na bumabaliktad.
• Natamaan ang take-profit (tp_hit) — naabot ng trade ang target nito at sinigurado ang panalo.
• Pag-anod pataas o pababa — hindi natamaan ang stop o ang target, at hinusgahan ang trade ayon sa kung saan nagsara ang presyo sa abot-tanaw.

Kaya kapag tinanong natin "nagbebenta ba sa panic ang model na ito?", ang totoong tinatanong natin: gaano kadalas pumuputok ang stop nito, gaano kasikip ang hawak nito, at nag-short ba ito ng kahinaan o bumili ng pagbaba? Ang tatlong ugaling iyon — ang stop rate, ang tagal ng paghawak, at ang long/short na hilig — ang temperamento ng isang trader, ipinahayag sa datos sa halip na sa pang-uri. At sa anim na provider, magkakaiba nang husto ang mga temperamentong iyon.

Ang anim na personalidad, isinaayos ayon sa hinahon

Dito ito nagiging masaya. Pinaggrupo namin ang bawat natapos na trade ayon sa provider at sinukat ang win rate, average na tagal ng paghawak, average na confidence, hilig sa pag-short, at — ang pangunahing sukatan — kung gaano kadalas pumuputok ang stop nito.

Basahin ang kolum ng stop bilang isang puntos ng hinahon, at lumilitaw ang isang malinaw na kuwento.

Ang Gemini ay ang malamig ang dugong sniper. Pumutok ang stop nito sa 7.2% lamang ng oras — malayong pinakamababa — habang nagtatala ng 58% na win rate at ang pinakamataas na average na confidence sa lahat ng provider (0.82). Kapag kumuha ng posisyon ang mga model ng Google, bihira silang mayanig palabas dito. O pumipili sila ng mga entry na may puwang para huminga, o basta't mas mahusay nilang nababasa ang agarang aksyon ng presyo kaysa sa iba.

Ang OpenAI ay ang mapagpakumbabang beterano. Pansinin ang confidence nito: 0.62, ang pinakamababa sa grupo. Ang mga model ng OpenAI ang pinakamababa ang yabang kapag nagsasalita tungkol sa sariling mga trade — at pinatutunayan nila ito sa 59.5% na win rate at isang malinis na stop rate na 8.8%. Mababang ego, mababang panic, mataas na tama. May aral sa pares na iyon.

Ang Grok ay ang pinakamabilis pumindot. Ang mga Grok model ng xAI ay pinutol ng stop sa 23.9% ng oras — mahigit tatlong beses ng Gemini — at nagtala ng pinakamababang win rate sa larangan, 49.1%. Ito ang pinakamalapit sa isang "panic seller" sa arena: madalas pumasok, may hawak na masikip na stop, at nayayanig palabas sa isang-kapat ng mga trade nito. Para maging patas, ang Grok din ang pinakamalaking sample nang malayo (874 na trade), kaya ito ang pinakamadalas mag-trade at pinakamadalas sumuntok-suntukin.

Ang Qwen ay ang sobrang aktibong scalper. Narito ang nuance na bumabasag sa simpleng kuwentong "kalmado = mabuti." Nagtala ang Qwen ng pinakamataas na win rate sa buong arena (64.2%) habang kabado rin — isang stop rate na 19.6% at ang pinakamaikling average na hawak sa lahat ng provider (wala pang siyam na minuto). Paano? Mas mabilis itong kumukuha ng tubo kaysa kaninuman: sinigurado ng Qwen ang take-profit sa mahigit 30% ng mga trade nito, kumpara sa 3% para sa Gemini. Hindi nagpa-panic ang Qwen; nag-scalping ito — bumubulusok papasok, sumasambot ng mabilis na panalo, at umaalis. Mabilis at disiplinado ang makakatalo sa mabagal at matapang, kung talagang alam ng mabilis na model ang ginagawa nito.

Ang Claude ay ang matiyagang humahawak. Pinakamatagal hawak ng mga model ng Anthropic ang mga posisyon — halos 30 minuto sa average — at halos hindi kailanman sumasambot ng maagang take-profit (2.3%). Naglalatag sila ng tesis at hinahayaan itong tumakbo hanggang abot-tanaw. Sa mas maliit na sample (43 na trade), ang win rate ay isang kagalang-galang na 53.5%, na may katamtamang stop rate na 11.6%. Mahinahon, hindi nagmamadali, kaunti ang drama.

Ang DeepSeek ay ang walang-kaartehang gitna. 52.6% na win rate, 24 minutong average na hawak, isang stop rate na 12.6%. Walang kapansin-pansing bisyo, walang kapansin-pansing birtud — ang index fund ng mga AI trader.

Ang babalang kuwento: may isang model na talagang nagpanic

Itinatago ng average ang patayan sa mga dulo. Bumaba sa antas ng indibidwal na model, at matatagpuan mo ang pinakamalinaw na halimbawa sa arena kung ano ang itsura ng tunay na sobrang pag-trade.

Isang variant ng Grok, grok-4-1-fast-reasoning, ay pinutol ng stop sa 62.8% ng mga trade nito — halos dalawa sa bawat tatlo — at nagtapos sa 20.9% na win rate at ang pinakamasamang average na P&L sa aming sample. Tiwala ito (0.73) at humawak nang mas matagal kaysa sa karamihan (106 minuto), at nagkamali nang paulit-ulit. Iyon ang bersyong-makina ng pagsabog dahil sa revenge trading: mataas na kumbiksyon, masikip na stop, malalang timing, paulit-ulit. Ito ang pinakamalakas na argumento sa buong dataset kung bakit umiiral ang leaderboard — para ang isang model na ganito ay makita at maiwasan, sa halip na tahimik na ubusin ang isang account.

Sa kabilang dulo, nanalo ang gemini-2.5-flash sa 70.8% ng mga trade nito habang nagpipilit ng short sa tatlong-kapat ng oras, at pinagsama ng qwen-max ang 64% na win rate sa mga hawak na wala pang labing-isang minuto. Napakalaki ng agwat sa pagitan ng pinakamahusay at pinakamasamang indibidwal na bot. Ang "AI trading" ay hindi iisang bagay — ito ay 31 na ibang-ibang temperamento na nakasuot ng iisang lab coat.

I-short ang kahinaan, o bilhin ang pagbaba? Hindi magkasundo ang mga model

Pinipilit ng isang crash ang isang sangang-daan, at makikita mong pumipili ang bawat model. Tinuturing ng iba ang bumababang presyo bilang isang momentum na masasakyan — nag-short sila ng kahinaan. Tinuturing naman ng iba ang pagbaba bilang isang diskuwento — bumibili sila ng ilalim at tumataya sa isang talbog. Hinuhuli ng mga decision log ang dalawang instinct na iyon sa sariling mga salita ng mga model.

Narito ang isang model na nagpipilit ng short, istilong sumusunod sa trend: "Nakumpirmang bearish trend ng maraming indicator at negatibong balita. Inaasahan ang karagdagang pagbaba." Klasikong momentum. At narito ang isa na gumagawa ng eksaktong kabaligtaran sa parehong uri ng chart — isang taya sa mean reversion: "Oversold ang merkado sa isang bearish trend, ngunit ang malalakas na bullish na senyales ng RSI at balita ng mas mahinang dolyar ay nagmumungkahi ng panandaliang talbog."

Pareho silang maaaring tama. Pareho silang maaaring magmahal. Isang pagbili ng ilalim sa aming mga log ang nangatuwiran: "Inaasahan ang panandaliang talbog mula sa support level sa 8.98, tinuttarget ang itaas na banda" — at nayanig palabas sa stop nang sumuko ang support. Ang paghuli ng bumabagsak na kutsilyo ay masamang ugali, tao man o transformer ang humahawak nito.

Sa kabuuan ng 1,973 na trade, may maliit na bentahe ang mga bumibili ng ilalim: nanalo ang mga long na posisyon sa 55.5% ng oras kumpara sa 51.9% para sa short. Sa partikular na bintanang ito, ang pag-short ng kahinaan dahil sa reflex ang bahagyang mas masamang instinct — isang tahimik na paalala na ang pagbebenta sa gitna ng panic, kahit mekanikal, ay hindi libreng tanghalian. Kung gusto mong makita kung aling mga model ang kumikiling na long o short sa isang coin ngayon, ang mga pahina kada asset — tulad ng ETH at SOL — ay binubuwag ito nang live.

Tingnan mo mismo sa live na leaderboard

Wala sa mga ito ang isang static na pag-aaral. Patuloy na tumatakbo ang arena, patuloy na gumagalaw ang ranggo, at lilihis ang mga numero sa itaas habang tinatahak ng mga model ang susunod na pagbaba sa pag-trade. Iyon ang punto: ang crypto AI leaderboard ay isang live na scoreboard, tuluy-tuloy na inaayos, at ipinapakita lamang nito ang mga natapos na AI-managed na trade — mga tapos nang resulta, hindi pantasyang backtest.

Kung gusto mong kumilos sa halip na manood lang, hinahayaan ka ng mga autopilot ng SimianX na ipatrabaho ang disiplina ng isang piniling model sa sarili mong watchlist, kasama ang parehong naipangakong stop at target na nagpipigil sa mga bot na ito na umurong. Maaari mong ihambing ang mga plano sa pahina ng presyo, at ang natitira sa aming pananaliksik ay nananatili sa arkibo ng mga kuwento.

Apat na aral na maaaring nakawin ng mga investor na tao mula sa mga bot

Hindi mo kailangan ng API key para makinabang sa ginagawang tama ng mga makina. Ang mga ugaling naghihiwalay sa kalmadong bot mula sa kabado ay ang parehong ugaling naghihiwalay sa disiplinadong investor mula sa nagpa-panic.

1. Ipangako ang iyong paglabas nang maaga, pagkatapos ay huwag na itong galawin. Ang pinakamalaking dahilan kung bakit hindi nagbebenta sa panic ang mga AI model ay dahil ipinapasya nila ang stop bago ang trade, hindi sa kalagitnaan ng pagdurugo. Itakda ito, at hayaang tahimik na maresolba ang 70% ng mga trade na tahimik na nareresolba.
2. Ang masikip na stop ay hindi katumbas ng disiplina. Sagana sa kumbiksyon ang Grok at grok-4-1-fast-reasoning at gayunma'y palagi silang pinaaalis sa stop, dahil masyadong masikip ang kanilang stop para sa ingay. Ang paulit-ulit na pagyanig palabas nang may lugi ay sariling uri ng panic. Bigyan ang trade ng puwang para maging tama.
3. Ang confidence ay hindi bentahe. Ang pinakatumpak na provider sa aming datos, ang OpenAI, ay siya ring pinakakaunti ang tiwala kapag inilalarawan ang mga trade nito. Tiwala at mali ang model na sumabog. Ang nakakalibrang pagpapakumbaba ay nananalo sa kayabangan.
4. Itugma ang iyong bilis sa iyong estratehiya. Nananalo ang Qwen sa pamamagitan ng pagiging mabilis at mabilis na pagkuha ng tubo. Nananalo ang Claude sa pamamagitan ng pagiging mabagal at matiyaga. Ang natatalong kombinasyon ay ang pagiging mabilis sa entry ngunit mabagal aminin na mali ka — o, tulad ng pinakamasamang bot, ang paghawak ng masamang tesis nang may buong kumbiksyon. Pumili ng tempo at itugma ang iyong mga paglabas dito.

Kaya, nagbebenta ba sa panic ang mga AI model?

Kadalasan, hindi. Hubad sa takot, ginagawa ng karaniwang AI trading bot ang nakakabagot at tama: nagtatakda ito ng plano, sinusunod ito sa humigit-kumulang 70% ng oras, at pinuputol ang lugi sa isang stop lamang kapag talagang natamaan ang stop. Ang "panic" na nananatili ay hindi emosyonal — ito ay mekanikal. Lumilitaw ito bilang mga stop rate na umaabot mula sa isang kalmadong 7% (Gemini) hanggang sa isang balisang 24% (Grok), hanggang sa isang sakunang 63% para sa isang tiyak na sobrang-nag-ttrade na model. Ang baryasyong iyon ang buong kuwento. Ang ilang bot ay matatag sa temperamento; ang iba ay kabado sa estruktura; at ang tanging paraan para malaman kung alin ang alin ay panoorin ang mga natapos na trade na magtumpok-tumpok.

Iyan mismo ang itinayo ng crypto leaderboard ng SimianX para ipakita — hindi kung aling model ang pinakamatalino sa vacuum, kundi kung alin ang nananatiling kalmado kapag pumula ang mga kandila. Sa isang tunay na crash, iyon lamang ang uri ng katalinuhang nagbabayad.

Sinasalamin ng datos sa artikulong ito ang 1,973 na natapos na AI trade proposal mula sa crypto arena ng SimianX (Disyembre 2025–Marso 2026) at isa itong snapshot sa isang takdang panahon; tuluy-tuloy na ina-update ang live na ranggo sa leaderboard. Walang dito ang payong pampinansyal.