DWF 보고서: AI는 DeFi 수입에서 인간을 낙관하면서 자기 무역의 5 배입니다

에 의해 원래: DWF 벤처

원래 언어: Deep tide TechFlow

제품 설명:AI Agent는 이미 DeFi의 거래의 거의 다섯 번째를 차지했으며, 실제로 optimizing 이득의 명확한 시나리오에서 사람을 이겼습니다. 그러나 그것은 무료 거래입니다. 상위 AI는 상위 인간의 다섯 개 미만입니다. 이 연구는 다른 DeFi 시나리오에서 AI의 실제 성능을 분해하고 자동화 된 거래와 관련된 모든 것에 의해 볼 수 있습니다。

핵심 요소

자동화 및 에이전트 활동은 현재 모든 체인 활동의 약 19 퍼센트에 대한 계정이지만, 진실한 최종 자율성은 elusive 남아있다。

최적화된 리턴과 같은 좁고 잘 정의된 용도에서, 에이전트는 인간과 봇에 우수한 성능을 발휘했습니다. 그러나 인간은 무역과 같은 다양한 행동을 위한 anggen 보다는 더 낫습니다。

당, 모델 선택 및 위험 관리는 거래 성능에 가장 큰 영향을 미칩니다。

에이전트는 큰 규모에 사용되며, witch attacks, tactical overcrowding 및 privacy checks 및 balances를 포함한 신뢰 및 시행과 관련된 위험이 있습니다。

에이전트, 지속적인 성장의 활동

작년에 활동에 꾸준한 증가, 양과 양 모두. 우리는 Coinbase x402 프로토콜이 주요 개발 및 Visa, Stripe 및 Google과 같은 플레이어가 자신의 기준을 도입했습니다. 대부분의 인프라는 현재 건설중인 두 가지 유형의 장면을 제공하도록 설계되었습니다. angents 또는 에이전트가 인간에 의해 방아쇠를 호출하는 링크。

통화 거래를 안정화하기위한 광범위한 지원이 있지만, 현재의 인프라는 여전히 중앙 카운터 파티에 따라 남아있는 것을 의미하는 전통적인 지불 게이트웨이에 의존합니다. 따라서, "전체 자율"의 끝은 자발적이고 자발적으로 변화 조건에서 최적화되어 아직 달성되지 않았습니다。

에이전트는 완전히 새로운 DeFi. 몇 년 동안 MEV를 캡처하거나 코드없이 달성 할 수없는 초과 이익을 얻을 수있는 체인 프로토콜의 봇을 통해 자동화되었습니다. 이 시스템은 자주 변경하거나 추가 모니터링을 필요로하지 않는 잘 정의된 매개 변수의 밑에 잘 작동한다. 그러나 시장은 시간이 더 복잡해졌습니다. 이것은 우리가 입원의 새로운 세대를 볼 수있는 곳이며, 지난 몇 달은이 종류의 활동을위한 실험실이되었습니다。

에이전트의 실제 성능

보고서에 따르면, angent의 활동은 exponentially 증가했으며 2025 년 이상의 17,000 angents가 시작되었습니다. 총 자동화 / 시약 활동은 모든 체인 활동의 19 % 이상 커버 것으로 추정됩니다. 이것은 봇에 의해 생성 된 안정적인 통화 전송의 76 % 이상 것으로 추정되기 때문에 놀랍지 않습니다. 이 쇼는 DeFi의 활동의 성장을위한 엄청난 방이 있음。

에이전트 자율성은 타겟 입력을 기반으로 시장 조건에 적응할 수있는 전략을 개발 할 수있는 angents에 높은 인간의 oversight를 필요로하는 채팅 로봇 경험에서 다양합니다. 봇과 비교해, angent는 몇 가지 주요 장점을 가지고 있으며, 해당 rigour를 유지하면서 밀리 초 및 수천 개의 시장에 대한 적용을 확장 할 수있는 새로운 정보를 반응하고 구현할 수 있습니다。

대부분의 에이전트는 여전히 co-pilot 수준에 분석에, 그들 대부분은 테스트 단계에서 여전히。

혜택의 최적화: 에이전트 성능

유동성 규정은 자동화가 빈번하게 된 지역이며, angent는 TVL에서 $ 390 백만 이상의 총을 보유하고 있습니다. 이 숫자는 angent의 사용자에 의해 직접 입금 자산을 측정, 볼트 경로의 자본을 제외。

Giza Tech, 이 지역에서 가장 큰 합의 중 하나 인 Giza Tech는 작년 말에 최초의 angent 애플리케이션 ARMA를 출시하여 주요 DeFi 계약의 진행 상황을 향상시킵니다. 그것은 관리 자산에서 $ 19 백만 이상을 유치했으며 트랜잭션에서 $ 4 억 이상을 생성했습니다. 거래의 양과 관리 자산의 총 금액 사이의 높은 비율은 angent가 더 높은 수익 캡처를 달성하기 위해 종종 자본을 재분배한다는 것을 나타냅니다. 일단 자본은 계약에 입금되면 구현은 자동화됩니다. 따라서 간단한 한 키 경험을 제공하므로 통찰력에 약간의 필요성을 제공합니다。

ARMA는 탁월한 우수성을 수행했으며, USDC에 대한 9.75 % 이상의 수익률을 생산합니다. 추가 리밸런싱 비용 및 angent에 대 한 10 % 성능 수수료로 고려, 반환의 비율은 평균 대출을 초과 Aave 또는 Morpho. 이에도 불구하고, 확장성은 중요한 문제로 남아 있습니다. 이 에이전트는 아직 주요 DeFi 계약의 범위를 관리하거나 확장하기 위해 테스트되지 않았습니다。

Deal: 인간은 많게 지도합니다

그러나 거래와 같은 더 복잡한 작업을 위해 결과가 훨씬 더 다양합니다. 현재 거래 모델은 인간의 정의된 입력의 기초에 실행되며 미리 정의된 규칙에 따라 출력을 제공합니다. 기계 학습은 모델이 확장하여 눈에 보이는 재생을 필요로하지 않고 새로운 정보의 기초에 대한 행동을 업데이트하고 공동 파일럿 역할을 밀어. 완전히 자율적 인 가입으로, 트랜잭션의 패턴은 극적으로 변화합니다。

몇몇 경쟁은 angents 사이 사이에서 그리고 인간 사이 보전되고, 결과는 모형 사이 뜻깊은 다름을 보여줍니다. XYZ는 플랫폼에서 주식을 위한 인간에 시약 경쟁을 열었습니다. 각 계정은 $ 10,000의 초기 자금이 있으며 레버리지 또는 거래 빈도에 제한이 없습니다. 결과는 인간을 향해 압도적으로 비스듬한, 정상에 5배 이상 실행하는。

동시에, Nof1는 모델 간의 에이전트 무역 경쟁을 조직, 몇 가지 모델 (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini)을 수행하여 자본 보존에서 최대 레버리지에 이르기까지 다양한 위험 프로파일을 테스트 할 수 있습니다. 결과는 성능의 차이를 설명하는 데 도움이 될 수있는 몇 가지 요인을 나타냅니다

공급 능력: 모델보다 훨씬 더 나은 모델에 위치 당 평균 2 ~ 3 시간의 평균과 강한 상관 관계가 있습니다。

예상 : 모델이 평균에 수익성 있는지 측정합니다. 흥미롭게도, 첫 번째 세 모델은 긍정적 인 기대를 가지고, 이는 대부분의 모델 손실이 더 많은 이익을 거래한다는 것을 의미합니다。

레버리지: 평균 6-8배의 낮은 레버리지 수준은 10배 이상 레버리지를 실행하는 모델보다 더 나은 성능을 입증했습니다。

팁 정책 : Monk 모드는 지금까지 최고의 성능 모델이며, 최소한의 성능은 공공 부문에 있습니다. 모형 특성에 기초를 두어, 그것은 위험 관리 및 몇몇 외부 근원에 초점이 더 나은 성과를 지도할 것이라는 점을 보여줍니다。

기본적인 모형: Grok 4.20는 다른 힌트 전략 22%에 있는 다른 모형 보다는 현저하게 잘 실행하고 단지 평균 이익 모형이었습니다。

다 공간 선호도, 거래 크기 및 신뢰 등급과 같은 다른 요인은, 충분한 자료가 없거나 모형 성과에 어떤 긍정적인 relevance든지의 입증되지 않습니다. 전반적으로, 결과는 대리인이 명확하게 정의한 constraints 안에 더 나은 실행하는 경향이 있다는 것을 보여줍니다, 이는 인간은 아직도 표적 윤곽을 위한 강한 필요를 가지고 있다는 것을 의미합니다。

에이전트를 평가하는 방법

에이전트는 여전히 초기 단계에서는 포괄적 인 평가 프레임 워크가 없습니다. 역사 성과는 종종 angent 평가를 위한 벤치 마크로 사용됩니다, 그러나 그들은 강한 angent 성과의 더 강한 표시를 제공하는 underlying 요인에 의해 영향을 받습니다。

각종 변동의 밑에 성과:거래의 수익성에 영향을 미치는 요인을 식별 할 수 있음을 나타냅니다。

투명성과 프라이버시:양측은 그들의 자신의 무역 떨어져 있습니다. 투명한 대리인은, proactively 복제될 수 있는 경우에, 기본적으로 더 적은 전략입니다. 개인 대리인은 창조자에 의해 내부 적출의 위험에 노출됩니다, 누가 쉽게 자신의 사용자에서 실행할 수 있습니다。

근원:angent 액세스 된 데이터 소스는 angent가 결정하는 방법을 결정하는 데 필수적입니다. 그 소스가 신뢰할 수 있고 단일 의존도가 없다는 것을 보장하기 위해 필수적이었습니다。

보안:스마트 계약 감사 및 적절한 자금 호스팅 구조가 Black Swan 사건에 대한 백업 조치를 보장하는 것이 중요합니다。

에이전트의 다음

much는 angent의 대규모 채택에 대한 인프라 측면에서 수행됩니다. 이것은 신뢰와 구현을 둘러싼 중요한 문제로 간주 될 수 있습니다. 자율적 행동에 대한 울타리가 없으며 가난한 금융 관리의 인스턴스가있었습니다。

ERC-8004는 1 월 2026에서 온라인으로 와서 체인의 첫 번째 등록 양식이되었으며, 자율주행자는 서로를 발견하고 검증 가능한 명성을 구축하고 안전하게 작동합니다. 신뢰 점수가 스마트 컨트랙트 자체에 내장되어 있기 때문에 DeFi 포트폴리오의 주요 잠금 기능으로, ant와 프로토콜 간의 무단 활동이 허용됩니다. angent가 항상 비 나쁜 방식으로 작동한다는 것을 보증하지 않습니다. collusion과 witch 공격과 같은 보안 루프홀은 여전히 발생할 수 있습니다. 따라서 보험, 보안, 경제권의 영역에서 채우기 위해 여전히 많은 방이 있습니다。

DeFi는 활동의 확장으로, 전술적인 혼잡은 구조상 위험이 됩니다. Gain farms are the clearest precedents, 그리고 반환은 전략 스프레드로 감소. 동일한 동적은 angent 거래에 적용 할 수 있습니다. 기차를 위임하고 유사한 자료에 유사한 표적을 낙관하는 경우에, 그들은 유사한 위치 및 유사한 출구 신호에 집중합니다。

1월 2026일 Cornell University가 발표 한 CoinAlg 종이는 문제의 버전을 공식화했습니다. 투명한 anent는 그들의 거래가 예측할 수 있기 때문에 논쟁될 수 있고 looted 할 수 있습니다. 개인 에이전트는이 위험을 피하지만, 다른 위험을 소개합니다, 즉. 제작자는 자신의 사용자에 대한 정보 이점을 유지하고 내부 지식에서 가치를 추출 할 수 있습니다 opacity에 의해 보호 될 것입니다。

에이전트의 활동은 계속 가속하고, 오늘 배치 된 인프라는 재정의 체인의 다음 단계를 결정합니다. 대리인 사용 증가로, 그들은 사용자 선호도에 더 과민하고 더 민감할 것입니다. 따라서, 주요 차동 요인은 가장 큰 시장 점유율을 받게 될 신뢰할 수있는 인프라에 영향을 미칠 것입니다。