Детальний звіт DWF: Штучний інтелект перевершує людей в оптимізації «йілд-фармінгу» у сфері DeFi, але складні транзакції все ще відстають у 5 разів

Оригінальна назва статті: Чи захоплять агенти ринок DeFi?
Оригінальне джерело: DWF Ventures

Переклад: DeepFlow Tech

Основні моменти

Наразі на автоматизацію та діяльність агентів припадає близько 19 % усієї активності в ланцюжку, проте справжньої наскрізної автономії поки що не досягнуто.

У вузьких, чітко визначених сценаріях застосування, таких як оптимізація врожайності, агенти продемонстрували кращі результати, ніж люди та боти. Однак у справах, що охоплюють багато аспектів, таких як торгівля, люди виявляються ефективнішими за ботів.

Серед брокерів найбільший вплив на результати торгівлі мають вибір моделей та управління ризиками.

У міру широкого поширення агентів виникає низка ризиків, пов’язаних із довірою та виконанням, зокрема атаки типу «сендвіч», перевантаження стратегій та компроміси щодо конфіденційності.

Подальше зростання активності агентів

Протягом останнього року активність агентів постійно зростала: збільшувалися як обсяг, так і кількість угод. Ми стали свідками значних змін, що відбулися під егідою протоколу x402 від Coinbase, до яких долучилися такі гравці, як Visa, Stripe та Google, щоб запровадити власні стандарти. Більшість інфраструктури, що зараз будується, призначена для обслуговування двох типів сценаріїв: каналів між агентами або дзвінків до агентів, ініційованих людьми.

Хоча операції зі стейблкоінами набули широкої популярності, нинішня інфраструктура все ще спирається на традиційні платіжні шлюзи як базовий рівень, а це означає, що вона як і раніше залежить від централізованих контрагентів. Отже, кінцевий стан «повної автономності», за якого агенти здатні самостійно фінансувати свою діяльність, самостійно виконувати завдання та постійно оптимізуватися з урахуванням мінливих умов, поки що не досягнуто.

Агенти не є чимось зовсім новим для DeFi. Протягом багатьох років у протоколах на блокчейні застосовувалася автоматизація за допомогою ботів, що дозволяла отримувати MEV або досягати надзвичайно високої прибутковості, яка була б неможливою без використання коду. Ці системи чудово працюють за чітко визначених параметрів, які не змінюються часто і не потребують додаткового контролю.

Однак з часом ринок став дедалі складнішим. Саме тут ми спостерігаємо появу нового покоління агентів, а останні кілька місяців активності в блокчейні стали своєрідним полігоном для таких дій.

Ефективність агентів на практиці

За даними звітів, активність агентів зросла в геометричній прогресії: з 2025 року було запущено понад 17 000 агентів. За оцінками, загальний обсяг операцій, пов’язаних з автоматизацією та роботами-агентами, становить понад 19 % від усіх операцій у блокчейні. Це не дивно, оскільки, за оцінками, понад 76 % обсягу переказів стейблкоїнів генерують боти. Це свідчить про значний потенціал зростання активності агентів у сфері DeFi.

Агенти демонструють широкий спектр автономності: від рішень на зразок чат-ботів, що вимагають пильного контролю з боку людини, до агентів, здатних розробляти стратегії, що адаптуються до ринкових умов, на основі заданих даних. На відміну від ботів, агенти мають низку ключових переваг, зокрема здатність реагувати на нову інформацію та втілювати її в життя за лічені мілісекунди, а також розширювати охоплення до тисяч ринків, зберігаючи при цьому той самий рівень ретельності.

Наразі більшість агентів все ще перебувають на рівні від аналітика до другого пілота, оскільки багато з них ще проходять тестування.

Оптимізація врожайності: Вражаючі результати роботи агентів

Забезпечення ліквідності є сферою, де автоматизація набула широкого поширення, а загальний обсяг TVL, що перебуває у розпорядженні агентів, перевищує 39 мільйонів доларів. Цей показник в основному відображає активи, внесені користувачами безпосередньо до агентів, але не включає капітал, що надходить через казначейства.

Giza Tech — один із найбільших протоколів у цій галузі, який наприкінці минулого року запустив перший агентський додаток ARMA, покликаний підвищити прибутковість основних протоколів DeFi. Компанія залучила понад 19 мільйонів доларів активів під управлінням та забезпечила обсяг торгів через агентів на суму понад 40 мільярдів доларів.

Високе співвідношення обсягу торгів до активів під управлінням свідчить про те, що агенти часто перерозподіляють капітал, що дозволяє отримувати вищу дохідність. Після внесення коштів на рахунок контракту виконання відбувається в автоматичному режимі, що забезпечує користувачам простий інтерфейс, який працює одним кліком і вимагає мінімального контролю.

Результати роботи ARMA є виразно чудовими: система забезпечує річну прибутковість у розмірі понад 9,75% для USDC. Навіть з урахуванням додаткових комісій за перебалансування та 10-відсоткової комісії за результати діяльності агента, прибутковість перевищує звичайні ставки за позиками на Aave або Morpho. Однак масштабованість залишається головною проблемою, оскільки ці агенти ще не пройшли бойове випробування в плані управління великими протоколами DeFi або масштабування до їхніх розмірів.

Операція: Людський фактор відіграє значну роль

Однак у випадку більш складних дій, таких як транзакції, результати є набагато різноманітнішими. Нинішня модель транзакцій працює на основі даних, заданих людиною, і видає результати відповідно до заздалегідь встановлених правил. Машинне навчання сприяло цьому, надавши моделі можливість коригувати свою поведінку на основі нової інформації без явного перепрограмування, завдяки чому вона все більше виконує роль другого пілота. З появою повністю автономних агентів у сфері транзакцій очікуються значні зміни.

Було проведено кілька змагань як між агентами, так і між людьми та агентами, що виявило значні відмінності в ефективності різних моделей. Trade XYZ провела конкурс з торгівлі акціями, що котируються на її платформі, у форматі «людина проти бота». Кожен рахунок відкривався зі стартовим капіталом у розмірі 10 000 доларів без будь-яких обмежень щодо кредитного плеча чи частоти торгів. Результати однозначно свідчили на користь людей: найкращі учасники з числа людей показали результати, що у понад 5 разів перевищували результати найкращих агентів.

Тим часом Nof1 організував змагання між моделями, в якому кілька моделей (Grok-4, GPT-5, Deepseek, Kimi, Qwen3, Claude, Gemini) змагалися між собою, випробовуючи різні профілі ризику — від збереження капіталу до максимального використання кредитного плеча. Результати виявили кілька факторів, які можуть допомогти пояснити відмінності в результатах:

Час утримання позиції: Була виявлена сильна кореляція: моделі, які утримували кожну позицію в середньому протягом 2–3 годин, демонстрували значно кращі результати, ніж моделі з частою зміною позицій.

Очікувана тривалість життя: Цей показник визначає, чи є модель у середньому прибутковою за кожну операцію. Цікаво, що лише три найкращі моделі мали позитивну очікувану прибутковість, що свідчить про те, що в більшості моделей було більше збиткових угод, ніж прибуткових.

Кредитне плече: Моделі, що працюють із середнім коефіцієнтом фінансового левериджу на рівні 6–8 разів, продемонстрували кращі результати, ніж ті, що працюють із коефіцієнтом понад 10 разів, оскільки високий рівень левериджу прискорював збитки.

Поради щодо стратегії: Наразі модель «Monk Mode» демонструє найкращі результати, тоді як модель «Situational Awareness» — найгірші. З огляду на характеристики моделей видно, що зосередження уваги на управлінні ризиками та зменшення обсягу зовнішніх ресурсів сприяє покращенню результатів діяльності.

Базова модель: Модель Grok 4.20 значно перевершила інші моделі — на понад 22% — за різними стратегічними параметрами і була єдиною моделлю, яка стабільно приносила прибуток.

Щодо інших факторів, таких як перевага довгих/коротких позицій, розмір угоди та рейтинг надійності, то або даних щодо них було недостатньо, або не було виявлено жодної позитивної кореляції з ефективністю моделі. Загалом, результати свідчать про те, що агенти часто демонструють кращі результати в умовах чітко визначених обмежень, що означає, що людський контроль у процесі розподілу цілей залишається вкрай необхідним.

Оцінка агента

Оскільки агенти все ще перебувають на початковій стадії розвитку, на даний момент не існує комплексної системи їхньої оцінки. Історичні результати часто використовують як орієнтир для оцінки агента, проте на них впливають фундаментальні фактори, які дають більш надійні підстави для судження про стабільність діяльності агента.

Результати за різних рівнів волатильності: Це передбачає дисциплінований контроль збитків у разі погіршення умов, що свідчить про здатність агента виявляти зовнішні фактори, які впливають на прибутковість торгівлі.

Прозорість проти Конфіденційність: У обох варіантів є свої плюси і мінуси. Прозорий агент, якщо його можна замінити шляхом реплікації, по суті не має жодної стратегічної переваги. Приватний агент стикається з ризиком «фронт-ранінгу» з боку розробника, коли розробник може легко випередити своїх власних користувачів.

Джерело інформації: Джерела даних, до яких звертається агент, відіграють вирішальну роль у визначенні того, як агент приймає рішення. Надзвичайно важливо переконатися, що джерела є надійними та не містять одиночних залежностей.

Безпека: Надзвичайно важливо проводити аудит смарт-контрактів та забезпечити належну архітектуру зберігання коштів, щоб мати запасні заходи на випадок непередбачуваних надзвичайних подій.

Наступні кроки для агентів

Для масового впровадження агентів ще потрібно виконати чимало роботи з розбудови інфраструктури. Це можна звести до основних питань, пов’язаних із довірою до агентів та виконанням завдань. Дії автономних агентів не обмежуються, і вже траплялися випадки неефективного управління коштами.

ERC-8004 запрацював у січні 2026 року, ставши першим ончейн-реєстром, який дозволяє автономним агентам виявляти один одного, формувати перевірену репутацію та безпечно співпрацювати. Це є ключовим фактором, що розкриває потенціал комбінованості DeFi, оскільки показники надійності вбудовані безпосередньо в сам смарт-контракт, що забезпечує взаємодію між учасниками та протоколами без необхідності отримання дозволів.

Однак це не гарантує, що агенти завжди діятимуть добросовісно, оскільки все ще можуть виникати такі уразливості системи безпеки, як змова з метою маніпулювання репутацією та атаки типу «Сибіл». Отже, у сферах страхування, безпеки та економічного забезпечення агентів все ще існує значний пробіл, який необхідно заповнити.

У міру розширення діяльності DeFi-агентів перевантаження стратегій стало структурним ризиком. «Йілд-фармінг» є найяскравішим прикладом того, як із розширенням кількості стратегій прибутковість знижується. Подібна динаміка може спостерігатися і в торгівлі агентами. Якщо багато агентів навчаються на схожих даних і оптимізуються з огляду на схожі цілі, вони прийдуть до схожих позицій і схожих сигналів виходу.

Один із варіантів вирішення цієї проблеми був офіційно викладений у статті CoinAlg, опублікованій у січні 2026 року Корнельським університетом. Прозорі агенти вразливі до арбітражу, оскільки їхні угоди є передбачуваними та піддаються фронт-раннінгу. Приватні посередники зменшують цей ризик, але створюють інший, за якого творці зберігають інформаційну перевагу над своїми користувачами і можуть отримувати вигоду від непрозорості, яка спочатку була покликана захищати внутрішні знання.

Активність агентів буде тільки наростати, і саме інфраструктура, створена сьогодні, визначить, як буде функціонувати наступний етап ланцюгових фінансів. Зі зростанням популярності цих агентів вони будуть самодосконалюватися та все краще пристосовуватися до уподобань користувачів. Отже, головним чинником, що визначатиме конкурентну перевагу, стане надійна інфраструктура, яка й забезпечить найбільшу частку ринку.

Посилання на оригінальну статтю