लेखक: DWF Ventures
समाचार: शेनचाओ टेकफ्लो
शेनचाओ का सारांश: AI एजेंट अब DeFi में लगभग एक-पांचवां हिस्सा ट्रेडिंग वॉल्यूम का हिस्सा ले चुके हैं, और आय अनुकूलन जैसे स्पष्ट नियमों वाले स्थितियों में वे मानवीय ट्रेडर्स को हरा रहे हैं। लेकिन जब इसे स्वतंत्र रूप से ट्रेड करने के लिए छोड़ दिया जाता है, तो शीर्ष AI का प्रदर्शन शीर्ष मानवीय ट्रेडर्स की तुलना में पांचवां हिस्सा से कम होता है। यह अध्ययन AI के DeFi के विभिन्न स्थितियों में वास्तविक प्रदर्शन को समझाता है, और स्वचालित ट्रेडिंग में रुचि रखने वाले सभी के लिए देखने योग्य है।
मुख्य बिंदु
Automation and agent activities currently account for approximately 19% of all on-chain activities, but true end-to-end autonomy has not yet been achieved.
आय अनुकूलन जैसे संकीर्ण, स्पष्ट रूप से परिभाषित उपयोग मामलों में, एजेंट ने मानव और बॉट की तुलना में बेहतर प्रदर्शन किया है। हालाँकि, व्यापार जैसे बहुपक्षीय कार्रवाइयों में, मानव एजेंट से बेहतर प्रदर्शन करते हैं।
एजेंट के बीच, मॉडल चयन और जोखिम प्रबंधन व्यापार प्रदर्शन पर सबसे अधिक प्रभाव डालते हैं।
जब agent का व्यापक रूप से अपनाया जाता है, तो विश्वास और निष्पादन के संबंध में कई जोखिम होते हैं, जिनमें सिफ़ि आक्रमण, रणनीति का समूहन और गोपनीयता के बीच समझौते शामिल हैं।
एजेंट गतिविधि लगातार बढ़ रही है
पिछले वर्ष में एजेंट गतिविधियों में स्थिर वृद्धि हुई है, जिसमें व्यापार की मात्रा और लेन-देन की संख्या दोनों बढ़ी हैं। हमने देखा कि Coinbase का x402 प्रोटोकॉल महत्वपूर्ण विकास का नेतृत्व कर रहा है, और Visa, Stripe और Google जैसे खिलाड़ी भी अपने मानक लॉन्च करने के लिए शामिल हो रहे हैं। वर्तमान में निर्माण किए जा रहे अधिकांश बुनियादी ढांचे का उद्देश्य दो प्रकार के स्थितियों की सेवा करना है: एजेंट के बीच चैनल या मानव द्वारा ट्रिगर किए गए एजेंट कॉल।
हालांकि स्थिर मुद्रा व्यापार को व्यापक रूप से समर्थन प्राप्त है, लेकिन वर्तमान अवसंरचना अभी भी नींव के रूप में पारंपरिक भुगतान गेटवे पर निर्भर करती है, जिसका अर्थ है कि यह अभी भी केंद्रीकृत प्रतिपक्षों पर निर्भर है। इसलिए, "पूर्णतः स्वायत्त" अंतिम बिंदु जिसमें एजेंट स्वयं को वित्तपोषित कर सकता है, स्वयं कार्यान्वित कर सकता है और बदलती स्थितियों के अनुसार लगातार अनुकूलित कर सकता है, अभी तक प्राप्त नहीं हुआ है।
एजेंट DeFi के लिए पूरी तरह अज्ञात नहीं हैं। कई वर्षों से, बॉट के माध्यम से ऑन-चेन प्रोटोकॉल में स्वचालन किया जा रहा है, जो MEV को पकड़ता है या कोड के बिना असंभव लाभ प्राप्त करता है। ये प्रणालियाँ अच्छी तरह से काम करती हैं, जब उनके परिभाषित पैरामीटर अक्सर नहीं बदलते या अतिरिक्त निगरानी की आवश्यकता नहीं होती। हालाँकि, समय के साथ बाजार अधिक जटिल हो गया है। यही कारण है कि हम एक नई पीढ़ी के एजेंट्स को देख रहे हैं, जो पिछले कुछ महीनों में ऑन-चेन पर इस प्रकार की गतिविधियों के लिए प्रयोगशाला बन गए हैं।
एजेंट का वास्तविक प्रदर्शन
रिपोर्ट के अनुसार, एजेंट गतिविधि घातीय रूप से बढ़ी है और 2025 के बाद से 17,000 से अधिक एजेंट शुरू किए गए हैं। स्वचालित/एजेंट गतिविधि की कुल मात्रा सभी ऑन-चेन गतिविधियों के 19% से अधिक को कवर करती है। यह आश्चर्यजनक नहीं है, क्योंकि अनुमान है कि 76% से अधिक स्थिर मुद्रा हस्तांतरण बॉट द्वारा उत्पन्न होते हैं। इससे संकेत मिलता है कि DeFi में एजेंट गतिविधि के लिए विशाल विकास का स्थान है।
एजेंट की स्वायत्तता एक व्यापक श्रेणी में मौजूद है, जिसमें उच्च स्तर के मानव निरीक्षण की आवश्यकता वाले चैटबॉट जैसे अनुभव से लेकर लक्ष्य इनपुट के आधार पर बाजार की स्थितियों के अनुसार रणनीति बनाने वाले एजेंट शामिल हैं। बॉट की तुलना में, एजेंट के कुछ प्रमुख लाभ हैं, जिनमें मिलीसेकंड में नए जानकारी का प्रतिक्रिया देना और निष्पादित करना, और समान कठोरता को बनाए रखते हुए हजारों बाजारों तक कवरेज बढ़ाना शामिल है।
अभी अधिकांश एजेंट विश्लेषक से उप-चालक स्तर तक ही हैं, क्योंकि वे अधिकांशतः परीक्षण चरण में हैं।
अर्जित लाभ: एजेंट का प्रदर्शन उत्कृष्ट है
लिक्विडिटी प्रोविजन एक ऐसा क्षेत्र है जहाँ स्वचालन अक्सर हो रहा है, और एजेंट के पास कुल TVL 39 मिलियन डॉलर से अधिक है। यह संख्या मुख्य रूप से उपयोगकर्ताओं द्वारा सीधे एजेंट में जमा की गई संपत्तियों को मापती है, लेकिन खजाने राउटिंग द्वारा स्थानांतरित पूंजी को शामिल नहीं करती है।
Giza Tech इस क्षेत्र के सबसे बड़े प्रोटोकॉल्स में से एक है, जिसने पिछले साल के अंत में पहला agent ऐप ARMA लॉन्च किया, जिसका उद्देश्य मुख्य DeFi प्रोटोकॉल्स के आय अधिग्रहण को बढ़ाना है। इसने 1900 डॉलर से अधिक के प्रबंधित संपत्ति को आकर्षित किया है और 40 बिलियन डॉलर से अधिक का agent लेनदेन आयतन उत्पन्न किया है। लेनदेन आयतन और प्रबंधित संपत्ति के उच्च अनुपात से संकेत मिलता है कि agent नियमित रूप से पूंजी को पुनः संतुलित करते हैं, जिससे अधिक आय अधिग्रहण संभव होता है। जैसे ही पूंजी कॉन्ट्रैक्ट में जमा होती है, कार्यान्वयन स्वचालित हो जाता है, इसलिए उपयोगकर्ताओं को लगभग कोई निगरानी की आवश्यकता नहीं होती है, और उन्हें एक-क्लिक अनुभव प्रदान किया जाता है।
ARMA का प्रदर्शन मापने योग्य रूप से उत्कृष्ट है, जिससे USDC के लिए 9.75% से अधिक की वार्षिक दर प्राप्त होती है। अतिरिक्त पुनर्संतुलन शुल्क और एजेंट की 10% प्रदर्शन शुल्क को ध्यान में रखते हुए भी, यह दर Aave या Morpho पर सामान्य ऋण की दर से अधिक है। हालाँकि, स्केलेबिलिटी अभी भी एक महत्वपूर्ण समस्या है, क्योंकि ये एजेंट अभी तक प्रमुख DeFi प्रोटोकॉल के स्तर पर प्रबंधित करने या स्केल करने के लिए प्रायोगिक परीक्षण से गुजरे नहीं हैं।
ट्रेड: मानव बहुत आगे हैं
हालाँकि, ट्रेडिंग जैसी अधिक जटिल क्रियाओं के लिए, परिणाम काफी विविध होते हैं। वर्तमान ट्रेडिंग मॉडल मानव द्वारा परिभाषित इनपुट पर आधारित होते हैं और पूर्वनिर्धारित नियमों के आधार पर आउटपुट प्रदान करते हैं। मशीन लर्निंग इसे विस्तारित करता है, जिससे मॉडल नए जानकारी के आधार पर अपने व्यवहार को अपडेट कर सके बिना किसी स्पष्ट पुनः प्रोग्रामिंग के, इसे सह-चालक की भूमिका में ले जाता है। पूर्णतः स्वायत्त एजेंट्स के शामिल होने से, ट्रेडिंग परिदृश्य में विशाल परिवर्तन आएगा।
कई एजेंट के बीच और मानव द्वारा एजेंट के खिलाफ ट्रेडिंग प्रतियोगिताएँ आयोजित की गईं, जिनमें मॉडल के बीच बड़ा अंतर पाया गया। Trade XYZ ने अपने प्लेटफॉर्म पर सूचीबद्ध शेयर के लिए मानव बनाम एजेंट की ट्रेडिंग प्रतियोगिता आयोजित की। प्रत्येक खाते में 10,000 डॉलर की प्रारंभिक राशि थी, और लीवरेज या ट्रेडिंग आवृत्ति के कोई प्रतिबंध नहीं थे। परिणाम मानवों के पक्ष में दबदबा था, शीर्ष मानवों का प्रदर्शन शीर्ष एजेंट से 5 गुना से अधिक था।
इसी बीच, Nof1 ने कुछ मॉडलों (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) के बीच एजेंट व्यापार प्रतियोगिता आयोजित की, जिसमें पूंजी संरक्षण से लेकर अधिकतम लीवरेज तक के विभिन्न जोखिम विन्यासों का परीक्षण किया गया। परिणामों से कुछ ऐसे कारक सामने आए जो प्रदर्शन में अंतर को समझने में मदद कर सकते हैं:
होल्डिंग टाइम: एक मॉडल जो औसतन प्रत्येक पोजीशन को 2-3 घंटे तक रखता है, वह अक्सर ट्रांसफर करने वाले मॉडल की तुलना में काफी बेहतर प्रदर्शन करता है।
अपेक्षित मूल्य: यह मापता है कि मॉडल प्रति लेनदेन औसतन लाभ कमा रहा है या नुकसान। दिलचस्प बात यह है कि केवल पहले 3 मॉडल का धनात्मक अपेक्षित मूल्य है, जिसका अर्थ है कि अधिकांश मॉडलों के नुकसान वाले ट्रेड्स, लाभवान ट्रेड्स से अधिक हैं।
लीवरेज: औसत 6-8 गुना का निम्न लीवरेज स्तर, 10 गुना से अधिक लीवरेज चलाने वाले मॉडल की तुलना में बेहतर प्रदर्शन करता है, उच्च स्तर के कारण नुकसान तेज़ हो जाते हैं।
सुझाव रणनीति: मॉन्क मोड अब तक का सबसे अच्छा प्रदर्शन करने वाला मॉडल है, जबकि सिचुएशनल एवेयरनेस सबसे कम प्रदर्शन कर रहा है। मॉडल की विशेषताओं के आधार पर, यह दर्शाता है कि जोखिम प्रबंधन पर ध्यान केंद्रित करना और बाहरी स्रोतों को कम करना बेहतर प्रदर्शन की ओर ले जाता है।
बेस मॉडल: Grok 4.20 विभिन्न प्रॉम्प्ट स्ट्रैटेजीज में अन्य मॉडल्स की तुलना में 22% से अधिक बेहतर प्रदर्शन करता है और एकमात्र औसत लाभ वाला मॉडल है।
अन्य कारक जैसे लंबी और छोटी प्रवृत्ति, लेनदेन का आकार और आत्मविश्वास स्कोर के लिए पर्याप्त डेटा नहीं है या यह साबित नहीं हुआ है कि ये मॉडल के प्रदर्शन के साथ कोई सकारात्मक सहसंबंध रखते हैं। समग्र रूप से, परिणाम यह दर्शाते हैं कि एजेंट अच्छी तरह से परिभाषित प्रतिबंधों के भीतर अक्सर बेहतर प्रदर्शन करता है, जिसका अर्थ है कि मानव लक्ष्य कॉन्फ़िगरेशन में अभी भी बहुत आवश्यक हैं।
Agent कैसे मूल्यांकन करें
चूंकि एजेंट अभी शुरुआती चरण में है, इसलिए अभी एक समग्र मूल्यांकन ढांचा उपलब्ध नहीं है। ऐतिहासिक प्रदर्शन को अक्सर एजेंट के मूल्यांकन के लिए आधार के रूप में उपयोग किया जाता है, लेकिन ये मूलभूत कारकों से प्रभावित होते हैं, जो एक मजबूत एजेंट के प्रदर्शन के अधिक मजबूत संकेत प्रदान करते हैं।
विभिन्न उतार-चढ़ाव के तहत प्रदर्शन: जब स्थितियाँ खराब होती हैं तो अनुशासनपूर्वक नुकसान नियंत्रण, जो दर्शाता है कि एजेंट ऐसे ऑफ-चेन कारकों की पहचान कर सकता है जो व्यापार की लाभदायकता को प्रभावित करते हैं।
पारदर्शिता और गोपनीयता: दोनों के अपने व्यापार हैं। यदि एक पारदर्शी एजेंट को सक्रिय रूप से ट्रेड किया जा सकता है, तो वह रणनीति में लगभग कोई लाभ नहीं रखेगा। गोपनीय एजेंट को निर्माता के आंतरिक निकास का जोखिम होता है, जहां निर्माता अपने उपयोगकर्ताओं को आसानी से प्राथमिकता दे सकता है।
स्रोत: एजेंट के निर्णय लेने के तरीके को निर्धारित करने के लिए एजेंट द्वारा एकीकृत डेटा स्रोत महत्वपूर्ण हैं। सुनिश्चित करें कि स्रोत विश्वसनीय हों और कोई एकल निर्भरता न हो।
Security: It is important to have smart contract audits and appropriate fund custody architecture to ensure backup measures in case of a black swan event.
एजेंट की अगली कार्रवाई
एजेंट के व्यापक अपनाये जाने के लिए बुनियादी ढांचे में अभी भी काफी काम करने की आवश्यकता है। यह एजेंट के विश्वास और निष्पादन के प्रमुख मुद्दों में समाप्त होता है। स्वायत्त एजेंट की कार्रवाई में कोई सुरक्षा उपाय नहीं हैं, और पहले ही निवेश प्रबंधन की खराब अवस्था के मामले सामने आ चुके हैं।
ERC-8004 2026 जनवरी में लॉन्च हुआ, जिससे स्वायत्त एजेंट स्वयं को खोज सकें, जांचने योग्य प्रतिष्ठा बना सकें और सुरक्षित रूप से सहयोग कर सकें। यह DeFi की संयोज्यता की एक महत्वपूर्ण कुंजी है, क्योंकि विश्वसनीयता स्कोर स्मार्ट कॉन्ट्रैक्ट में ही एम्बेडेड है, जिससे एजेंट और प्रोटोकॉल के बीच अनुमति-रहित गतिविधियाँ संभव होती हैं। हालाँकि, यह यह गारंटी नहीं देता कि एजेंट हमेशा दुर्भावनापूर्ण तरीके से काम नहीं करेंगे, क्योंकि सहमति प्रतिष्ठा और सिफ़ि आक्रमण जैसी सुरक्षा कमजोरियाँ अभी भी संभव हैं। इसलिए, बीमा, सुरक्षा, एजेंट के आर्थिक प्रतिभूति आदि क्षेत्रों में अभी भी कई खाली स्थान हैं।
DeFi में एजेंट गतिविधियों के विस्तार के साथ, रणनीति का समूहीकरण एक संरचनात्मक जोखिम बन गया है। आय फार्म सबसे स्पष्ट पूर्ववर्ती हैं, जहाँ रणनीति के लोकप्रिय होने के साथ लाभ संकुचित हो जाते हैं। समान गतिशीलता एजेंट व्यापार पर भी लागू हो सकती है। यदि बहुत सारे एजेंट समान डेटा पर प्रशिक्षित होते हैं और समान लक्ष्यों को अनु tối करते हैं, तो वे समान पोजीशन और समान बाहर निकलने के संकेतों पर अभिसरित हो जाएंगे।
कॉर्नेल विश्वविद्यालय द्वारा जनवरी 2026 में प्रकाशित CoinAlg पेपर ने इस समस्या के एक संस्करण को औपचारिक रूप दिया। पारदर्शी एजेंट को आर्बिट्रेज किया जा सकता है क्योंकि उनके लेन-देन पूर्वानुमेय होते हैं और उन पर रन-प्री किया जा सकता है। गोपनीय एजेंट इस जोखिम से बचते हैं, लेकिन एक अलग जोखिम पेश करते हैं, जिसमें निर्माता अपने उपयोगकर्ताओं के लिए सूचना का लाभ बनाए रखते हैं और अपनी आंतरिक जानकारी के माध्यम से पारदर्शिता के माध्यम से मूल्य निकाल सकते हैं।
एजेंट गतिविधि केवल तेजी से बढ़ती रहेगी, आज स्थापित बुनियादी ढांचा ऑन-चेन फाइनेंस के अगले चरण के कार्यान्वयन को निर्धारित करेगा। एजेंट उपयोग में वृद्धि के साथ, वे स्वयं को दोहराएंगे और उपयोगकर्ता प्राथमिकताओं के अनुसार अधिक सूक्ष्मता से अनुकूलित होंगे। इसलिए, मुख्य भिन्नता कारक विश्वसनीय बुनियादी ढांचे में सीमित होगा, और ये ही सबसे बड़ा बाजार हिस्सा प्राप्त करेंगे।