DWF глубокий отчет: ИИ в DeFi превосходит человека в оптимизации доходности, но сложные сделки все еще отстают в 5 раз

Автор: DWF Ventures

Перевод: Deep潮 TechFlow

Deep潮 Введение: AI-агенты уже занимают почти одну пятую от общего объема сделок в DeFi, и в сценариях, где правила ясны, таких как оптимизация доходов, они действительно превосходят человека. Но когда речь идет о самостоятельной торговле, показатели лучших AI-агентов уступают всего лишь пятой части лучших человеков. В этом исследовании разбирается реальное поведение AI в различных сценариях DeFi, и оно заслуживает внимания всех, кто интересуется автоматизированной торговлей.

Ключевые моменты

Автоматизация и деятельность агентов в настоящее время занимают около 19% всех ончейн-активностей, но полноценная полностью автономная система еще не реализована.

В узкоспециализированных, четко определенных сценариях, таких как оптимизация доходов, агенты показывают результаты лучше, чем люди и боты. Но в многофункциональных действиях, таких как торговля, человек все еще превосходит агента.

Модель выбора и управление рисками оказывают наибольшее влияние на торговую эффективность среди различных агентов.

С ростом масштабов использования агентов возникают риски доверия и исполнения, включая атаки типа “вуду”, перегруженность стратегий и компромисс приватности.

Деятельность агентов продолжает расти

За последний год активность агентов стабильно увеличивается, объем сделок и их число растут. Мы видим, что протокол Coinbase x402 лидирует в значительных разработках, а такие игроки, как Visa, Stripe и Google, присоединяются, внедряя свои стандарты. Большая часть инфраструктуры, которая сейчас создается, ориентирована на два сценария: каналы между агентами или вызовы агентов, инициируемые человеком.

Хотя торговля стабильными монетами уже широко поддерживается, текущая инфраструктура все еще опирается на традиционные платежные шлюзы в качестве основы, что означает зависимость от централизованных контрагентов. Поэтому полностью автономный сценарий, при котором агент сам финансирует себя, самостоятельно исполняет сделки и постоянно оптимизируется под меняющиеся условия, пока не реализован.

Агенты не являются полностью новыми для DeFi. На протяжении многих лет в протоколах на блокчейне существовали автоматизированные системы, реализуемые через ботов, для захвата MEV или получения сверхдоходов, которые невозможно было бы получить без кода. Эти системы хорошо работают при четко определенных параметрах, которые не меняются часто или требуют минимального контроля. Однако со временем рынок стал сложнее. Именно здесь вступает в игру новое поколение агентов, поскольку за последние несколько месяцев ончейн стал экспериментальной площадкой для таких активностей.

Реальные показатели агентов

По данным отчета, активность агентов растет экспоненциально, за период с 2025 года запущено более 17 000 агентов. Общий объем автоматизированных/агентских операций оценивается в более чем 19% всех ончейн-активностей. Это неудивительно, поскольку, по оценкам, более 76% переводов стабильных монет осуществляются ботами. Это свидетельствует о большом потенциале роста активности агентов в DeFi.

Автономность агентов охватывает широкий спектр — от опытных чат-ботов, требующих высокой человеческой поддержки, до агентов, способных разрабатывать стратегии в соответствии с целевыми вводами и рыночными условиями. В сравнении с ботами, агенты обладают несколькими ключевыми преимуществами, включая возможность реагировать и исполнять новые данные за миллисекунды, а также расширять охват до тысяч рынков при сохранении высокой строгости.

На данный момент большинство агентов находятся на уровне аналитика или помощника, так как большинство из них все еще находятся в стадии тестирования.

Оптимизация доходов: высокая эффективность агентов

Обеспечение ликвидности — одна из наиболее часто автоматизированных областей, где совокупный TVL агентов превышает 39 миллионов долларов. Эта цифра в основном отражает активы, напрямую внесенные пользователями в агента, без учета капитала, маршрутизируемого через сейфы.

Giza Tech — один из крупнейших протоколов в этой области, в конце прошлого года запустил первое приложение для агентов ARMA, предназначенное для повышения доходности основных DeFi-протоколов. Оно привлекло более 19 миллионов долларов управляемых активов и сгенерировало более 4 миллиардов долларов торгового объема агентов. Высокое соотношение объема сделок к управляемым активам говорит о частом ребалансировании капитала, что позволяет достигать более высокой доходности. После внесения капитала в контракт исполнение автоматизировано, что обеспечивает простоту использования с одним кликом и минимальное вмешательство.

Результаты ARMA впечатляют: оно обеспечивает более 9,75% годовой доходности в USDC. Даже с учетом дополнительных затрат на ребаланс и 10% комиссии за результат, доходность все равно превосходит обычное кредитование на Aave или Morpho. Однако масштабируемость остается важной проблемой, поскольку эти агенты еще не прошли реальные испытания по управлению или расширению до масштабов основных DeFi-протоколов.

Торговля: человек значительно превосходит

Что касается более сложных действий, таких как торговля, результаты значительно разнятся. Текущие модели торговли основаны на вводимых человеком данных и следуют заранее заданным правилам. Машинное обучение расширяет эти возможности, позволяя моделям обновлять свое поведение на основе новой информации без явного перепрограммирования, что переводит их в роль помощника. С появлением полностью автономных агентов ситуация в торговле кардинально изменится.

Проводились несколько соревнований между агентами и людьми, а также между самими агентами. Например, Trade XYZ организовал соревнование по торговле акциями, выпущенными на их платформе. У каждого участника было по 10 000 долларов, без ограничений по кредитному плечу или частоте сделок. Результаты явно склонялись в пользу человека: лучшие трейдеры превосходили лучших агентов более чем в 5 раз.

Также Nof1 провел соревнование между моделями-агентами (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini), тестируя разные уровни риска — от сохранения капитала до максимального кредитного плеча. В результате выявлены несколько факторов, объясняющих различия в результатах:

Время удержания позиции: существует сильная корреляция — модели, держащие позиции в среднем 2-3 часа, значительно превосходят модели с частой сменой позиций.

Ожидаемая прибыль: показатель, отражающий, приносит ли средняя сделка прибыль. Интересно, что только три лучшие модели имеют положительную ожидаемую прибыль, что означает, что большинство моделей совершают больше убыточных сделок, чем прибыльных.

Кредитное плечо: модели с низким плечом (6-8x) показывают лучшие результаты, чем модели с плечом выше 10x, поскольку высокий уровень плеча ускоряет убытки.

Стратегия подсказок: Monk Mode — самая эффективная модель, а Situational Awareness — худшая. По характеристикам моделей, фокус на управлении рисками и меньшая зависимость от внешних источников дают лучшие результаты.

Базовая модель: Grok 4.20 значительно превосходит другие модели более чем на 22% в различных стратегиях подсказок и является единственной, показывающей в среднем прибыль.

Другие факторы, такие как предпочтения по позициям, объем сделок и уровень доверия, недостаточно изучены или не показывают связи с результатами моделей. В целом, результаты свидетельствуют о том, что агенты лучше работают в четко определенных рамках, что подчеркивает необходимость человеческого участия в настройке целей.

Как оценивать агента

Поскольку агенты все еще находятся на ранней стадии развития, пока не существует универсальной системы оценки. Историческая эффективность часто используется как ориентир, но она зависит от базовых факторов, которые могут указывать на потенциал хорошей работы агента.

Производительность при разной волатильности: включает дисциплинированное управление убытками при ухудшении условий, что свидетельствует о способности агента распознавать внешние факторы, влияющие на прибыльность сделок.

Прозрачность и приватность: у обеих сторон есть свои плюсы и минусы. Прозрачные агенты, которые можно легко копировать, вряд ли имеют стратегическое преимущество. Приватные агенты рискуют внутренним утечкам, так как создатели могут легко использовать внутреннюю информацию в своих интересах.

Источники данных: важна надежность источников, к которым подключены агенты, чтобы обеспечить обоснованные решения и избежать зависимости от одного источника.

Безопасность: наличие аудита смарт-контрактов и надежной системы хранения средств — критически важно для защиты в случае черных лебедей.

Следующие шаги для агентов

Для массового внедрения агентов необходимо решить множество инфраструктурных задач. Основные вопросы связаны с доверием и исполнением. Действия автономных агентов без ограничителей уже приводили к неэффективному управлению средствами.

ERC-8004, запущенный в январе 2026 года, стал первым ончейн-реестром, позволяющим автономным агентам обнаруживать друг друга, формировать проверяемую репутацию и безопасно взаимодействовать. Это важный шаг к расширению DeFi-композируемости, поскольку доверие теперь встроено в смарт-контракты, что позволяет агентам и протоколам взаимодействовать без разрешений. Однако это не гарантирует, что агенты всегда будут работать добросовестно, поскольку уязвимости, такие как сговор и атаки типа “вуду”, все еще возможны. Поэтому остается много работы по обеспечению страховки, безопасности и экономического залога агентов.

По мере расширения активности агентов в DeFi возрастает риск стратегического перегружения. Например, фермы доходности — очевидный пример: с ростом популярности стратегий доходность будет сокращаться. Аналогичная динамика может наблюдаться и в торговле агентами: если множество агентов обучаются и оптимизируют схожие цели на одних и тех же данных, они начнут сходиться по позициям и сигналам выхода.

Статья CoinAlg, опубликованная в январе 2026 года в Коралле, формализует эту проблему. Прозрачные агенты могут быть арбитражированы, поскольку их сделки предсказуемы и могут быть использованы для “抢跑”. Приватные агенты избегают этого риска, но создают другие — создатели могут сохранять внутреннюю информацию и извлекать ценность из непрозрачности.

Активность агентов будет только ускоряться, и инфраструктура, заложенная сегодня, определит, как будет развиваться следующая стадия ончейн-финансов. По мере увеличения использования агентов они будут совершенствоваться, лучше адаптироваться к предпочтениям пользователей. Поэтому ключевым фактором станет доверие к инфраструктуре, которая в конечном итоге захватит большую часть рынка.