Первые итоги публичного недельного эксперимента по запуску полностью автономного торгового бота на лицензированной платформе предсказаний Kalshi выявили фундаментальный разрыв между теоретической точностью ИИ и реальностью исполнения сделок. Проект объединил рассуждающую модель GPT-6 и погодную модель Google DeepMind (GraphCast) на круглосуточном VPS для торговли контрактами на диапазон температур в Нью-Йорке.
Несмотря на высокую точность метеорологических прогнозов модели DeepMind, бот столкнулся с жесткими инфраструктурными барьерами:
- Задержки API при выставлении ордеров приводили к проскальзываниям котировок;
- Сбои синхронизации при нестабильном интернет-канале во время поездок автора требовали аварийных ручных вмешательств;
- Недостаток ликвидности в узких спредах и комиссии биржи быстро нивелировали теоретическое математическое ожидание прибыли.
Эксперимент доказал: современные языковые и прогностические модели способны находить статистическое преимущество на рынках событий, однако без низколатентного детерминированного шлюза исполнения и глубокого учета микроструктуры стакана алгоритм неизбежно теряет доходность на комиссиях и тайминге.
