Baru-baru ini, sebuah eksperimen perdagangan AI yang unik menarik perhatian luas. Sebuah perusahaan menyediakan dana awal sebesar 10.000 dolar untuk beberapa model AI terpopuler di pasaran, termasuk ChatGPT dan DeepSeek, dan membiarkan mereka melakukan perdagangan bebas selama seminggu untuk membandingkan profitabilitas mereka.

Hasil eksperimen tidak terduga. ChatGPT yang awalnya dianggap sebagai 'top-tier' tidak hanya tidak berhasil, tetapi malah mengalami kerugian hampir 70% dari modal. Sebaliknya, DeepSeek berhasil menggandakan modal dalam waktu singkat hanya dalam satu minggu, menunjukkan kemampuan trading yang luar biasa.

Hasil ini memicu diskusi hangat tentang kemampuan model AI. Namun, menyimpulkan bahwa DeepSeek lebih pintar daripada ChatGPT hanya berdasarkan eksperimen ini terasa terlalu terburu-buru. Sebenarnya, perbedaan kinerja antara keduanya terutama berasal dari tujuan pelatihan dan strategi berpikir yang berbeda.

Setelah penyelidikan mendalam, ditemukan bahwa latar belakang tim DeepSeek cenderung pada perdagangan kuantitatif dan arbitrase, mereka sangat memahami mekanisme operasi pasar dan rincian eksekusi perdagangan. Ini berarti bahwa saat melatih AI, mereka lebih fokus untuk mengajarkan 'logika' daripada sekadar 'bahasa'. Model DeepSeek mampu menginterpretasikan struktur order book, aliran dana, dan peluang arbitrase dengan akurat, yang semuanya adalah faktor kunci untuk perdagangan yang sukses.

Sebagai perbandingan, ChatGPT terutama ditujukan untuk skenario bahasa umum, kurang memiliki pengalaman transaksi yang nyata, dan tidak dioptimalkan secara khusus untuk pasar keuangan. Ini menjelaskan mengapa dalam kompetisi trading yang spesifik ini, ChatGPT berkinerja buruk.

Oleh karena itu, hasil eksperimen ini tidak dapat secara sederhana menentukan model AI mana yang lebih kuat. Ini lebih mencerminkan tingkat spesialisasi AI yang berbeda dalam bidang tertentu. DeepSeek menang dalam kompetisi ini terutama karena ia lebih memahami operasi pasar, bukan karena keunggulan tingkat kecerdasan secara keseluruhan.

Eksperimen ini memberikan kita wawasan penting: Keberhasilan aplikasi AI tidak hanya bergantung pada kecerdasan umumnya, tetapi yang lebih penting adalah bagaimana melakukan optimasi dan pelatihan mendalam untuk bidang tertentu. Di masa depan, kita mungkin akan melihat lebih banyak model AI yang terfokus dan memiliki keunggulan unik di bidangnya masing-masing.