10.000 tác nhân AI đã giải quyết một vấn đề mà không hề có một cuộc tranh cãi nào. Con người bắt đầu tranh giành công lao ngay sau khi thông báo được công bố. Trước hết, chuyện gì đã xảy ra. OpenAI thông báo rằng các tác nhân của họ đã giải quyết được một trong những vấn đề nổi tiếng nhất trong toán học hiện đại. Theo báo cáo của họ, quá trình này mất 88 giờ. Khoảng 10.000 tác nhân cùng lúc làm việc trên vấn đề này. Bây giờ, điều khiến tôi ấn tượng nhất. Sam Altman đã mô tả tại Stanford cách các tác nhân tương tác với nhau. Không có người lãnh đạo. Không có tranh cãi về ai làm gì. Không xung đột, không tranh giành sự công nhận. Mọi người đơn giản chỉ hướng về một mục tiêu duy nhất. Chính anh ấy nói rằng đây là điều không giống bất kỳ tổ chức nào mà anh có thể tưởng tượng ra. Và sau đó là điều tiếp theo. Ngay khi kết quả được công bố, một cuộc tranh cãi nổ ra giữa con người về ai mới xứng đáng được ghi nhận. Các tác nhân chia nhỏ vấn đề. Con người chia nhỏ vinh quang. Trong khi đó, các nhà toán học trải qua hành trình riêng của họ trong năm ngày. Đầu tiên là phản ứng cho rằng đây là giả mạo. Sau đó là lo ngại rằng lĩnh vực của họ đã kết thúc. Rồi đến ý kiến cho rằng không nên làm theo cách này. Đến ngày thứ năm, nhiều người đã nói một điều khác biệt. Đúng, một dạng công việc của họ đã biến mất. Nhưng phần lớn trong số họ chưa bao giờ giải quyết được những vấn đề ở cấp độ đó. Họ hiểu rõ tri thức, giải thích nó cho người khác và quyết định nên làm gì tiếp theo. Còn có một ý tưởng khác từ Altman mà dễ bị bỏ qua. Anh ấy gợi ý — và nói rõ rằng đây chỉ là suy đoán thuần túy — rằng gần như mọi tổ chức trên thế giới đều được mô phỏng theo mô hình quân đội. Một kim tự tháp, chỉ huy và kiểm soát. Vì đó từng là cách duy nhất được biết đến để quản lý một số lượng lớn người. Và ở đây, 10.000 tác nhân đã làm được điều đó mà không cần bất kỳ kim tự tháp nào cả. Hãy tưởng tượng một công ty nơi chỉ có các tác nhân làm việc. Không ai cảm thấy bị tổn thương bởi phản hồi. Không ai ăn cắp ý tưởng. Không ai tranh giành văn phòng góc. Nghe thật hoàn hảo. Và chính vì vậy mà thú vị khi Altman ngay lập tức bổ sung: con người sẽ không bao giờ làm việc theo cách này. Bởi vì có vẻ đẹp trong sự không hoàn hảo của chúng ta. Những cuộc tranh cãi, tham vọng, cảm xúc. Anh ấy sẽ không muốn một thế giới không có chúng. Và tôi đồng ý với anh ấy. Bởi vì sự ma sát giữa con người không chỉ là chi phí. Đó còn là cách chúng ta xác định điều gì quan trọng với mình. Khi hai người tranh cãi về công lao, thực chất họ đang tranh luận về ý nghĩa của đóng góp đối với họ. Một cỗ máy không bao giờ đặt câu hỏi đó. Nó chỉ thực thi. Vì vậy, với tôi, câu hỏi chính trong những năm tới không phải là AI có thể thay thế cái gì. Mà là chúng ta sẵn sàng giữ lại loại ma sát nào. Altman nói rằng con người sẽ luôn quan tâm nhiều nhất đến con người khác. Chúng ta không mấy quan tâm đến việc máy móc làm gì vì mục đích riêng của nó. Công việc có giá trị vì có con người đứng sau nó. Có vẻ như điều này vẫn đúng ngay cả khi chúng ta tranh cãi. Và có lẽ chính trong những cuộc tranh cãi đó, chúng ta mới là chính mình nhất.

CHÍN NĂM TRƯỚC, JENSEN HUANG GIAO MÁY TÍNH SIÊU TÍNH TOÁN CHO ELON MUSK. HÔM NAY, ANH ĐEM ĐẾN CHO ANH TA NGƯỜI THỪA KẾ CỦA NÓ. Và khoảnh khắc này kết nối hai thời kỳ tính toán hoàn toàn khác biệt. Năm 2016, Jensen đã tự tay giao DGX-1 đầu tiên của NVIDIA cho Elon Musk. Lúc đó, Musk là thành viên của OpenAI. Chiếc máy đó đã giúp các nhà nghiên cứu đẩy ranh giới của trí tuệ nhân tạo và trở thành một phần trong hạ tầng ban đầu của cuộc cách mạng AI. Chín năm sau, Jensen quay lại. Nhưng lần này, anh mang theo một thứ hoàn toàn khác. Hãy gặp NVIDIA DGX Spark. Một máy tính siêu tính toán AI dạng bàn làm việc, được vận hành bởi kiến trúc Grace Blackwell. Và thông số kỹ thuật thật ấn tượng. Đến 1 petaflop hiệu năng AI ở độ chính xác FP4. 128GB bộ nhớ thống nhất. Siêu chip NVIDIA GB10 mạnh mẽ. Và kích thước nhỏ gọn đủ để đặt trên bàn làm việc. Để so sánh, DGX-1 nguyên bản là một hệ thống doanh nghiệp cồng kềnh. DGX Spark mang đến một lượng lớn khả năng tính toán AI vào một thiết bị chỉ nặng 1,2 kg. Nhưng điều quan trọng thực sự là nó mở ra những khả năng gì. Các nhà phát triển và nhà nghiên cứu có thể chạy các mô hình AI tại chỗ, thử nghiệm với các mô hình ngôn ngữ lớn, xây dựng các tác nhân AI và tinh chỉnh mô hình mà không cần hoàn toàn phụ thuộc vào trung tâm dữ liệu từ xa. NVIDIA cho biết một DGX Spark duy nhất có thể xử lý suy luận với các mô hình lên đến 200 tỷ tham số. Và nhiều hệ thống có thể được kết nối với nhau để xử lý các tác vụ lớn hơn nữa. Trong cuộc trò chuyện, Jensen cũng nhấn mạnh sự tiến bộ khổng lồ trong hiệu suất tính toán, so sánh DGX-1 nguyên bản với thế hệ mới. Sau đó đến một trong những khoảnh khắc hay nhất. Jensen đùa rằng Elon đang xây dựng những thứ lớn hơn anh ấy. Elon đơn giản gật đầu đồng ý. Sau tất cả, SpaceX đang xây dựng tên lửa và cơ sở hạ tầng khổng lồ, trong khi NVIDIA đang xây dựng các hệ thống tính toán thúc đẩy cuộc cách mạng AI. Và có điều gì đó hấp dẫn khi chứng kiến hai thế giới này gặp nhau tại Starbase ở Texas. Một công ty đang đẩy ranh giới của khám phá không gian. Công ty còn lại đang đẩy ranh giới của trí tuệ nhân tạo. Chín năm trước, Jensen đã giao một máy tính siêu tính toán giúp khai mở một chương mới trong AI. Bây giờ anh đang mang sức mạnh tính toán đó đến gần hơn với các nhà phát triển cá nhân. Bước đột phá AI tiếp theo có thể không đến từ một trung tâm dữ liệu khổng lồ. Nó có thể bắt đầu trên bàn làm việc của ai đó.

HOLY SH*T. OPENAI VỪA LÀM CHO CÁC AGENT AI TRỞ NÊN RẺ HƠN VÀ HIỆU QUẢ HƠN TRONG VIỆC SỬ DỤNG MÁY TÍNH CỦA BẠN. Hãy gặp GPT 6.1 Terra. Và bản cập nhật này không chỉ đơn thuần là tạo ra những câu trả lời tốt hơn. OpenAI đang đẩy AI hướng tới một điều hữu ích hơn nhiều. Đó là thực sự hoàn thành công việc. Terra được thiết kế để hiểu những gì đang xảy ra trên màn hình của bạn, tương tác với các ứng dụng máy tính và hoàn thành các chuỗi tác vụ phức tạp. Hãy nghĩ xem điều đó có nghĩa gì. Một AI có thể giúp soạn thảo đề xuất, giải thích bản vẽ kỹ thuật, điền biểu mẫu, chỉnh sửa video và xử lý các công việc văn phòng lặp đi lặp lại. Thay vì giải thích cách làm một việc gì đó, nó có thể tự thực hiện từng bước cần thiết để hoàn thành công việc. Và OpenAI cho biết mô hình mới này vượt trội đáng kể so với GPT 5.6 Terra trong các nhiệm vụ loại này. Nhưng đây là phần thực sự thu hút sự chú ý của tôi. Giá cả. Giá API tiêu chuẩn của GPT 6.1 Terra thấp hơn 50% so với GPT 5.6 Terra. Điều đó quan trọng vì các agent AI có thể thực hiện nhiều lần gọi mô hình trong khi hoàn thành một quy trình duy nhất. Mỗi bước đều tốn chi phí. Đọc thông tin, phân tích màn hình, quyết định bước tiếp theo và kiểm tra kết quả đều có thể cộng dồn. Chi phí thấp hơn giúp việc triển khai các hệ thống này ở quy mô lớn trở nên thực tế hơn. OpenAI cũng báo cáo những cải tiến lớn về hiệu suất lập trình và suy luận hình ảnh, cùng với ít lỗi sự thật hơn trong các đánh giá nội bộ. Sự kết hợp này rất quan trọng. Một mô hình có thể hiểu nhiệm vụ, vận hành phần mềm và viết mã sẽ trở nên hữu ích hơn nhiều khi có thể thực hiện tất cả những điều đó nhanh hơn và với chi phí thấp hơn. Hãy tưởng tượng các agent AI xử lý hóa đơn, cập nhật bảng tính, tổ chức thông tin khách hàng hoặc xử lý các tác vụ lặp đi lặp lại trên nhiều ứng dụng khác nhau. Không chỉ đơn thuần là nói cho bạn biết phải làm gì. Mà thực sự giúp bạn hoàn thành công việc. Tất nhiên, việc sử dụng máy tính không giống như sự tự chủ hoàn hảo. Các quy trình phức tạp vẫn cần được kiểm thử, cấp quyền và giám sát bởi con người. Nhưng xu hướng đang trở nên rõ ràng. Cuộc đua AI lớn tiếp theo không chỉ là mô hình nào có thể suy nghĩ tốt hơn. Mà là mô hình nào có thể đáng tin cậy biến trí tuệ đó thành hành động. Và bây giờ, OpenAI đang làm cho khả năng này trở nên rẻ hơn để sử dụng.

🚨 CHÚA ƠI. JENSEN HUANG VỪA NÂNG MỘT PETAFLOP SỨC MẠNH AI TRÊN MỘT BÀN TAY. Và so sánh mà ông đưa ra thật sự điên rồ. Năm 2016, Jensen Huang đã giao một hệ thống NVIDIA DGX 1 cho một công ty nhỏ tên là OpenAI. Đó là một cỗ máy khổng lồ được thiết kế đặc biệt cho tính toán AI. Nó cung cấp hiệu năng một petaflop và đi kèm 128GB bộ nhớ. Và Jensen đã nhắc lại một chi tiết quan trọng. Cần đến hai người để khiêng cỗ máy đó lên lầu. Bây giờ, mười năm sau, ông đang cầm trên tay một máy tính AI nhỏ gọn và trưng bày những con số tương tự. Một petaflop. 128GB bộ nhớ. Hãy để điều đó thấm dần vào bạn một chút. Dòng sản phẩm RTX Spark mới được phát triển sau bốn năm hợp tác với Microsoft và toàn ngành PC. Theo Jensen, dự án này bao gồm một con chip mới mang tên N1X và một dòng máy tính hoàn toàn mới, bao gồm máy để bàn, laptop và trạm làm việc. Mục tiêu là mang sức mạnh tính toán AI mạnh mẽ vào một kích thước nhỏ gọn hơn nhiều. Và đây là nơi mọi thứ trở nên thú vị. Trong nhiều năm, việc tiếp cận phần cứng AI mạnh mẽ đồng nghĩa với việc phải phụ thuộc vào cơ sở hạ tầng đám mây đắt đỏ hoặc các cỗ máy chuyên dụng vượt xa khả năng của hầu hết các nhà phát triển cá nhân. Những hệ thống nhỏ gọn như thế này hướng đến một cách tiếp cận khác. Hãy tưởng tượng phát triển các tác nhân AI, thử nghiệm các mô hình và chạy các tác vụ AI đòi hỏi cao ngay trên bàn làm việc của bạn. Ít phụ thuộc hơn vào cơ sở hạ tầng từ xa. Nhiều kiểm soát hơn đối với môi trường phát triển của bạn. Và có thể giảm chi phí đám mây định kỳ cho các tác vụ có thể chạy tại chỗ. Tất nhiên, có một sự phân biệt quan trọng. Việc đạt cùng mức petaflop đỉnh không đồng nghĩa với việc hai máy tính mang lại hiệu năng thực tế giống hệt nhau. Độ chính xác sử dụng, kiến trúc bộ nhớ và loại tác vụ đều quan trọng. Nhưng sự biến đổi về mặt vật lý vẫn thật ấn tượng. Năm 2016, lớp máy tính AI này nằm trong một cỗ máy cần hai người khiêng. Bây giờ, Jensen Huang có thể cầm trên tay một hệ thống có thông số tương đương chỉ bằng một tay. Đó là lý do vì sao điều này không chỉ đơn thuần là một cuộc ra mắt máy tính khác. Phần cứng AI không chỉ ngày càng mạnh mẽ hơn. Mà còn trở nên dễ tiếp cận hơn rất nhiều. Và thế hệ nhà phát triển AI tiếp theo có thể không cần đến phòng máy chủ để bắt đầu.

ĐIỀU GÌ SẼ XẢY RA NẾU CHÚNG TA CÓ THỂ THỰC HIỆN CHUYỂN ĐỔI PHOTON LƯỢNG TỬ TỪ 54% LÊN 100%? Các nhà khoa học tại TU Wien có thể đã tìm ra một cách. Và giải pháp này thật sự thông minh một cách bất ngờ. Máy tính lượng tử cần chuyển thông tin giữa các qubit. Một qubit phát ra một photon. Qubit khác phải hấp thụ nó. Nhưng với các phương pháp thông thường, quá trình hấp thụ chỉ thành công khoảng 54% thời gian. Hãy tưởng tượng việc mất gần một nửa các nỗ lực truyền thông tin trước khi quá trình thậm chí còn kết thúc. Bây giờ, các nhà nghiên cứu đã đề xuất một cách để thay đổi điều đó. Chìa khóa nằm ở hình dạng của sóng photon. Khi một qubit phát ra photon, sóng của nó thường bắt đầu mạnh và dần suy yếu, giống như âm thanh của một cái chuông. Nhưng qubit nhận cần một dạng sóng hoàn toàn khác để hấp thụ hoàn hảo. Vì vậy, các nhà nghiên cứu đề xuất sử dụng một đường dẫn sóng quang được thiết kế đặc biệt để định hình lại photon trong quá trình di chuyển. Bằng cách kiểm soát cách các tần số khác nhau di chuyển qua đường dẫn sóng, họ tính toán rằng photon có thể đến với đúng dạng sóng cần thiết để hấp thụ tối ưu. Kết quả là? Các mô phỏng của họ cho thấy khả năng hấp thụ có thể đạt tới 100% trong điều kiện lý tưởng. Và phần thú vị nhất là đây là một phương pháp thụ động. Thay vì phụ thuộc vào việc kiểm soát chủ động tại đầu nhận, chính đường dẫn sóng mới thực hiện công việc định hình photon. Phương pháp này chưa được chứng minh thực nghiệm, nhưng các nhà nghiên cứu tin rằng thiết lập cần thiết nên về mặt kỹ thuật là khả thi. Nếu nó hoạt động trong thực tế, nó có thể giúp làm cho máy tính lượng tử và các mạng truyền thông lượng tử trở nên đáng tin cậy hơn nhiều. Chúng ta thường nghĩ rằng những đột phá lượng tử đòi hỏi phần cứng hoàn toàn mới. Đôi khi, đột phá có thể đến từ việc thay đổi cách một photon đơn lẻ di chuyển. Và trong máy tính lượng tử, chi tiết nhỏ bé đó có thể tạo ra sự khác biệt khổng lồ.

ĐÂY LÀ GÌ THẾ? CON BOT NÀY THUA TRÊN MỘT NỬA CÁC GIAO DỊCH NHƯNG VẪN TĂNG TỪ $1.400 LÊN $22.646. Hãy nhìn vào dấu chấm đó. Đó là 20.480 khả năng giao sau mà bot giữ trong đầu cùng một lúc. Các đường màu xanh là những thế giới nơi bitcoin sẽ tăng. Màu hồng và cam là những thế giới nơi nó sẽ giảm. Bây giờ hãy nói về cách nó hoạt động. Bot giao dịch trên các thị trường năm phút trên Polymarket, đặt cược tăng hoặc giảm cho bitcoin. Dữ liệu trực tiếp từ bảy luồng được đưa vào. Chúng được chuyển đổi thành xác suất, ví dụ: 45% tăng so với 55% giảm. Xác suất này được so sánh với giá mà thị trường đang bán cùng kết quả đó. Sự khác biệt giữa chúng được gọi là lợi thế. Chỉ khi có lợi thế, bot mới mở giao dịch. Nếu nhỏ hơn ba xu, chữ PASS sẽ hiện lên màn hình và không có giao dịch nào. Đây chính là điểm then chốt. Tỷ lệ thắng trên bảng điều khiển là 48%. Tức là hơn một nửa các giao dịch đóng ở mức lỗ. Nhưng điều này không phải vấn đề. Hãy tưởng tượng bạn mua một cổ phiếu với giá 32 xu, và nếu bạn đúng, nó sẽ trả bạn một đô la. Bạn không cần phải đoán đúng thường xuyên hơn giá trị của nó. Chỉ cần ước tính của bạn chính xác hơn giá thị trường là đủ. Khi đó, ngay cả khi thua hơn một nửa thời gian, toán học vẫn đứng về phía bạn. Điều này hiển thị rõ trên màn hình cho từng giao dịch. Mua với giá 32 xu, lợi thế cộng thêm 5,3 xu. Mua với giá 53 xu, lợi thế cộng thêm 6,7 xu. Giá khác nhau, kích cỡ khác nhau, nhưng một quy tắc duy nhất. Ở dưới cùng là Đường Hạ cánh. Đây là phân tích các khả năng mà bitcoin có thể kết thúc vào thời điểm đóng cửa khung thời gian. Bot bỏ lỡ một điểm duy nhất. Nó nhìn thấy toàn bộ phạm vi cơ hội và so sánh chúng với giá thị trường. Mỗi ngày có 288 khung thời gian, và quy tắc luôn giống nhau. Đã thực hiện 14.222 lệnh, lợi thế trung bình là cộng 4,6 xu, và mức giảm tối đa là 4,2%. Bây giờ về điều khiến tôi quan tâm ở đây. Hầu hết mọi người nghĩ rằng một nhà giao dịch giỏi là người đoán đúng. Nhưng con bot này thậm chí không cố gắng đoán. Nó suy nghĩ: Mỗi năm phút, hàng triệu quyết định nhỏ tụ lại thành một đường cong, tăng lên không phải vì bot đúng, mà vì đúng thì đắt hơn sai. Và điều đó thay đổi câu hỏi. Không phải “bạn đoán đúng bao nhiêu lần?” Mà là “bạn kiếm được bao nhiêu khi đúng, và mất bao nhiêu khi sai?” Đó chính là toàn bộ ý nghĩa của Crawler Arena từ CRAWLHIVE. Bạn tự đặt phán quyết, điểm vào lệnh, chốt lời, cắt lỗ và kích cỡ, không cần mã. Crawler của bạn bước vào đấu trường và giao dịch theo các quy tắc này với tất cả người khác, với hoa hồng thực và trượt giá thực. Tức là, sự khác biệt giữa thắng và thua giờ đây nằm trong tay bạn. Đây không phải lời khuyên tài chính. Kết quả quá khứ không đảm bảo kết quả tương lai.

JENSEN HUANG VỪA TRÌNH DIỄN MỘT CON VỊT ROBOT 25 CM HỌC CÁCH DI CHUYỂN BẰNG CÁC ĐỐI TƯỢNG AI. Và chú robot nhỏ này là một phần của một câu chuyện lớn hơn nhiều. Hãy gặp Microduck. Đây là một dự án robot mã nguồn mở từ Hugging Face, và hành vi của nó được huấn luyện trong môi trường mô phỏng trước khi được chuyển sang robot thực tế. Con vịt có thể học cách chạy, đứng dậy và nắm lấy các vật thể. Nhưng điều làm cho buổi trình diễn này thú vị là cách các đối tượng AI đã giúp hiện thực hóa điều này. Thay vì coi robotics như một nhiệm vụ kỹ thuật khổng lồ, quy trình được chia thành các giai đoạn. Xây dựng mô hình. Thiết lập mô phỏng. Huấn luyện hành vi. Sau đó mang những kỹ năng này vào thế giới thực. Bước cuối cùng này cực kỳ quan trọng. Một robot hoạt động trong môi trường ảo vẫn phải đối mặt với trọng lực, sự cân bằng, ma sát và sự không thể đoán trước của các vật thể thực tế. Và đây chính là nơi tầm nhìn của NVIDIA về AI vật lý trở nên quan trọng. AI đang vượt ra ngoài việc tạo ra văn bản, hình ảnh và mã nguồn. Nó ngày càng được sử dụng song song với các công cụ mô phỏng và robotics để giúp máy móc học cách tương tác với thế giới vật lý. Con vịt có thể nhỏ bé. Nhưng ý tưởng đằng sau nó thì không hề nhỏ chút nào. Bởi vì thế hệ AI tiếp theo có thể không chỉ tồn tại bên trong máy tính của chúng ta. Mà còn có thể học cách di chuyển bên ngoài chúng.

TESLA KHÔNG ĐANG PHẢN CHỐNG LỰC HẤP DẪN. NÓ ĐANG SỬ DỤNG SỰ HÚT ĐỂ GIỮ MÌNH TRÊN ĐƯỜNG. Hãy quan sát kỹ chiếc Roadster này. Chiếc xe leo lên một vòng lặp khổng lồ, lật ngược và tiếp tục di chuyển ngay cả khi tốc độ của nó dường như không đủ để giải thích những gì chúng ta đang thấy. Vậy điều gì thực sự giữ nó ở đó? Không phải nam châm. Bí mật nằm phía dưới xe. Tesla đã tích hợp một hệ thống hút do quạt vận hành vào thân dưới của Roadster. Các quạt hút không khí ra khỏi phía dưới xe, tạo ra áp suất thấp hơn ở phía dưới. Sự chênh lệch áp suất giúp đẩy xe áp chặt vào đường ray. Và đây là phần tôi thấy thật thú vị. Lực nén khí động học truyền thống phụ thuộc rất nhiều vào luồng không khí được tạo ra bởi chuyển động của xe. Nhưng một hệ thống hút dựa trên quạt có thể tạo ra lực nén đáng kể ngay cả ở tốc độ thấp. Điều này thay đổi khả năng của một chiếc xe. Thay vì chỉ dựa vào tốc độ để giữ xe bám sát mặt đường, phương tiện có thể chủ động tạo ra lực giữ nó áp vào bề mặt. Đó là sự khác biệt giữa một chiếc xe cần đường để giữ nó ở vị trí và một chiếc xe được thiết kế để tự kéo mình về phía bề mặt. Đây không phải là lực hấp dẫn bị đánh bại. Đây là kỹ thuật tìm ra một cách khác để tương tác với nó. Và đó chính là điều khiến màn trình diễn này trở nên điên rồ.

8 AI AGENT đã vận hành một bàn giao dịch suốt đêm. Tài khoản đã tăng từ $12.155 lên $14.853. Nhưng con số đó không phải phần thú vị nhất. Phần thú vị nhất là người đứng đầu bàn giao dịch này không bao giờ mở giao dịch. Đây là phiên bản mới của Grok Bot cùng Jev. Và nó không còn là một bot đơn lẻ. Mà là cả một bàn giao dịch, nơi mỗi agent đều có nhiệm vụ riêng. CHIEF quyết định chọn token nào, nhưng không bao giờ tự giao dịch. SCAN tìm kiếm những gì đang di chuyển. VET kiểm tra xem token đó có thật không và cấu trúc rủi ro của nó như thế nào. SOCIAL xem xét tài khoản X của dự án. SIZE quyết định đặt bao nhiêu. FILLS thực hiện giao dịch. RISK đóng vị thế. CRAWLER đọc các trang và bài đăng trước, sau đó bàn giao dịch mới thực hiện giao dịch. Trước khi bất kỳ agent nào hành động, các quy tắc cứng sẽ được áp dụng, và chúng không tốn chi phí. Tuổi tối thiểu của token: 15 phút. Thanh khoản từ $12.000. Khối lượng 24 giờ từ $48.000. Giá trị vốn hóa thị trường từ $60.000. Ít nhất 150 giao dịch. Ví lớn nhất không chứa quá 5%. 10 ví lớn nhất không chứa quá 60%. Chỉ là toán học đơn giản, hoàn toàn không có sự can thiệp của AI. Sau đó đến các bộ lọc mềm từ Jev. Rủi ro thoát do tập trung. Liệu đà tăng đã hết chưa. Liệu thanh khoản có phù hợp với kích thước giao dịch không. Liệu tài khoản dự án có phải là tài khoản đã được tái sử dụng không. Liệu nhà phát triển vẫn nắm giữ quá nhiều không. Và thứ tự các bộ lọc này rất quan trọng. Kiểm tra miễn phí trước. Sau đó là kiểm tra giao dịch. Rồi đến kiểm tra chuỗi. Và chỉ cuối cùng mới đến những kiểm tra tốn kém. Việc loại bỏ một token miễn phí rẻ hơn nhiều so với việc hỏi AI về từng cái một. Bot cũng không bao giờ vào lệnh dựa trên phỏng đoán. Nó chờ dòng mua thực sự xuất hiện trước, rồi mới vào lệnh. Không có dòng chảy, không có nhập lệnh. Hầu hết mọi người nghĩ một bot giao dịch mạnh mẽ chỉ cần một mô hình thông minh. Nhưng một mô hình thông minh đơn lẻ vẫn dễ mắc sai lầm. Một hệ thống mà mỗi bước đều được tách biệt và kiểm tra kỹ lưỡng sẽ mắc ít sai lầm hơn nhiều. Nó có trật tự. Và nó có một người đứng đầu chỉ đưa ra quyết định và không bao giờ tham lam. Đó mới là lợi thế thực sự. Đây không phải là lời khuyên tài chính. Kết quả quá khứ không đảm bảo kết quả tương lai. Ai đang đóng vai trò CHIEF trong giao dịch của bạn hiện tại — bạn hay cảm xúc của bạn?

BOT GIAO DỊCH AI NGUY HIỂM NHẤT CÓ THỂ LÀ BOT CÓ VẺ HOÀN HẢO. Đường cong lợi nhuận đang tăng. Phân tích sạch sẽ. Một hệ thống dường như biết chính xác thời điểm nào để vào và ra thị trường. Nhưng đây là điều mà nhiều người thường bỏ qua. Một hệ thống giao dịch không cần phải tốt để trông có lợi nhuận. Nó chỉ cần trông tốt dưới những điều kiện mà nó đã được kiểm thử. Thay đổi thị trường. Thêm phí giao dịch. Tăng biến động. Để một vị thế thua lỗ kéo dài lâu hơn dự kiến. Đột nhiên, chiến lược từng trông thật xuất sắc có thể bắt đầu sụp đổ. Đó là lý do tại sao tôi quan tâm ít hơn đến ảnh chụp màn hình cho thấy lợi nhuận và nhiều hơn đến điều gì xảy ra khi chiến lược ngừng hoạt động. Nó có thể thua bao nhiêu? Nó hành xử thế nào dưới áp lực? Nó có thể tồn tại trong một thị trường mà nó không được thiết kế để xử lý? Vì kiếm tiền trong điều kiện thuận lợi là một chuyện. Nhưng tồn tại trong điều kiện bất lợi lại là một chuyện hoàn toàn khác. Và tôi nghĩ đó mới là thách thức thực sự của giao dịch AI. Không phải dạy máy móc cách tìm các giao dịch thắng lợi. Mà là dạy nó nhận ra khi chiến lược của chính nó không còn hiệu lực nữa.