زد ارز
زد ارز
هوش مصنوعی

تحلیل چارت بیت‌کوین با هوش مصنوعی؛ مقایسهٔ GPT‑6.2 و Gemini 4 Neon در ۵ آزمون

فرض کنید یک عکس از نمودار روزانهٔ بیت‌کوین را به چت‌جی‌پی‌تی و جمینای می‌دهید و هر دو یک محدوده را به‌عنوان حمایت نشان می‌دهند. چطور می‌فهمید کدام‌یک چارت را دقیق‌تر خوانده است؟ از هر کدام بخواهید کندلی را نشان دهد که قیمت در آن به این محدوده رسیده و برگشته است. حالا می‌توانید دلیل انتخابش را روی خود چارت بررسی کنید.

با زد ارز همراه شوید تا دو نسخهٔ GPT‑6.2 (آسترا و سول) را با Gemini 4 Neon در پنج آزمون منتشرشده مقایسه کنیم. از خواندن نمودار و تشخیص عدد روی تصویر شروع می‌کنیم، بعد سراغ کشف الگو در داده‌ها، کار با اکسل و بررسی گزارش مالی می‌رویم. پیش از جمع‌بندی هم یک چارت واقعی بیت‌کوین در اختیارتان می‌گذاریم تا خودتان پاسخ هر دو مدل را به یک پرسش بسنجید.


۱. کدام مدل کندل و سطح قیمت را روی چارت بهتر می‌خواند؟

از میان این پنج آزمون، Chartography به کاری که با عکس چارت انجام می‌دهید نزدیک‌تر است. سؤال‌های آن را متخصصان دربارهٔ نمودارهای حرفه‌ای نوشته‌اند و نمودار شمعی یکی از قالب‌هاست. مدل باید جای درست را پیدا کند، مقیاس محور را بخواند و چند نشانهٔ تصویری را کنار هم بگذارد. در جدول Surge AI، آسترا ۹۰٫۷٪، سول ۸۷٫۷٪ و جمینای نئون ۸۶٫۶٪ گرفتند. تنظیم استدلال آسترا و سول در این اجرا Max و تنظیم نئون High بود.

روی نمودار بیت‌کوین، تفاوت را با یک سؤال دقیق می‌شود دید. فرض کنید قیمت وسط روز زیر خط حمایت رفته و تا شب دوباره بالای خط برگشته است. اگر بپرسید «کدام کندل زیر حمایت بسته شد؟»، مدلی که فقط پایین‌ترین نوک سایه را نشان می‌دهد به سؤال دیگری جواب داده است. امتیاز Chartography دربارهٔ همین توانایی تفسیر تصویر سرنخ می‌دهد. برای تعیین احتمال برگشت بازار در روز بعد باید پیش‌بینی‌های ثبت‌شده را جداگانه سنجید. روش آزمون و نتایج اصلی Surge AI.


۲. خواندن یک عدد از عکس چه فرقی با استخراج چهار قیمت دارد؟

گاهی ساختار چارت روشن است و مشکل فقط این است که عدد ریز کنار محور درست خوانده شود. آزمون OCR روبوفلو همین مهارتِ خواندن نوشته و عدد از عکس را روی نمایشگرها، برچسب‌ها و سندها می‌سنجد. در تنظیم High، امتیاز کلی نئون ۸۹٫۲٪، سول ۸۹٫۰٪ و آسترا ۸۸٫۳٪ بود. در سؤال‌هایی که فقط یک مقدار باید خوانده می‌شد، نئون و سول هر دو ۸۳٫۵٪ گرفتند و آسترا ۸۰٫۹٪. در عوض، وقتی پاسخ باید در چند فیلد مشخص در قالب JSON تحویل داده می‌شد، آسترا با ۹۴٫۹٪ بالاتر از سول با ۹۴٫۵٪ و نئون با ۹۳٫۹٪ قرار گرفت.

پس «این عدد چند است؟» و «قیمت بازشدن، سقف، کف و بسته‌شدن را در چهار ستون بنویس» حتی برای یک تصویر، دو درخواست متفاوت‌اند. اگر روی محور فقط «۶۸ هزار» خواناست، پاسخ «حدود ۶۸ هزار تتر» از عدد دقیقی که از روی تصویر قابل تأیید نیست به درد تحلیلگر بیشتر می‌خورد. روبوفلو این امتیازها را از یک بار اجرای آزمون به دست آورده است. امتیازهای روبوفلو به تفکیک نوع سؤال.

دقت آسترا، سول و جمینای نئون در خواندن یک عدد و استخراج چند مقدار از تصویر

۳. مدل‌ها در کشف الگوی پنهان چه چیزی را از قلم انداختند؟

در آزمون DataAnalyticsBench، شرکت Plotly هر مدل را به یک پایگاه دادهٔ ساختگی نیروگاه بادی وصل کرد و اجازه داد در آن جست‌وجو کند. هر سه مدل به ۲۰ سؤال تحلیلی با پاسخ مشخص درست جواب دادند. اختلاف در جایی پیدا شد که صورت سؤال فقط سرنخی از یک الگوی پنهان می‌داد. از پنج الگو، نئون پنج، آسترا سه و سول دو مورد را پیدا کردند. امتیاز نهایی به‌ترتیب ۴۳، ۴۱ و ۴۰ پاسخ درست از ۴۳ سؤال بود. در یکی از خطاهای سول، مدل اصلاً سراغ بخشی از داده که اثر در آن بود نرفت. آسترا در یکی از خطاهایش جای درست را پیدا کرد، اما علت واقعی را کنار گذاشت. بررسی پاسخ‌های Sol و بررسی پاسخ‌های Astra.

در بازار، فاصلهٔ این دو کار را می‌شود با دو سؤال دید. «کمترین قیمت ۲۰ روز گذشته چقدر است؟» یک محاسبهٔ مشخص دارد. «آیا روزهایی که حمایت شکسته، حجم معاملات رفتار متفاوتی داشته؟» مستلزم این است که مدل تعریف شکست را روشن کند، روزهای مشابه را بشمارد و مثال نقض هم پیدا کند. نئون برای جست‌وجوی باز در اجرای Plotly نتیجهٔ بهتری داشت، ولی زمان بیشتری مصرف کرد. میانهٔ زمان هر سؤال برای نئون ۴۶ ثانیه، آسترا ۱۲ ثانیه و سول ۱۰٫۵ ثانیه بود. هر مدل یک بار آزمون داده و این زمان‌ها مخصوص همان محیط است. نتایج و روش محاسبهٔ زمان در Plotly.


۴. در اکسل، کدام مدل فرمول‌های مالی را دقیق‌تر ساخت؟

فرض کنید فایل ۵۰۰ روز قیمت بیت‌کوین را می‌دهید و می‌خواهید برای هر روز، کف ۲۰ روز گذشته محاسبه شود. یک اشتباه کوچک کافی است تا فرمول، قیمت روزهای آینده را هم وارد کند. در ظاهر، مدل حمایت‌های گذشته را عالی پیدا کرده است. ایراد وقتی معلوم می‌شود که چند ردیف آخر را حذف کنید و جواب روزهای قبل عوض شود.

آزمون Excel Modeling از Vals AI توانایی ساخت یا تکمیل فایل‌های مالی و ارتباط درست بین سلول‌ها را ارزیابی می‌کند. نئون ۷۶٫۴۶٪، آسترا ۷۶٫۰۳٪ و سول ۷۴٫۲۹٪ گرفتند. فاصلهٔ نئون و آسترا تنها ۰٫۴۳ واحد درصد است. برای انتخاب بین این دو روی فایل خودتان، یک آزمایش گویاتر دارید. دوره را از ۲۰ روز به ۳۰ روز تغییر دهید و ببینید آیا فرمول همهٔ ردیف‌ها به‌درستی به‌روز می‌شود. جدول امتیازها و شیوهٔ بررسی فرمول‌ها در Vals AI.


۵. اگر کنار چارت یک گزارش مالی هم بدهیم، مقایسه چه تغییری می‌کند؟

فرض کنید هم‌زمان با رشد بیت‌کوین، گزارشی می‌خوانید که ارزش دلاری ذخایر بیت‌کوین یک شرکت بیشتر شده است. آیا شرکت خرید کرده؟ برای پاسخ باید تعداد بیت‌کوین ابتدا و انتهای دوره را پیدا کرد. ارزش دلاری همان تعداد سکه هم با بالا رفتن قیمت بیشتر می‌شود. این بار کیفیت پاسخ مدل به پیدا کردن سند و خواندن درست آن وابسته است.

در آزمون Finance Agent نسخهٔ ۲٫۱، مدل‌ها به سؤال‌های مالی دربارهٔ گزارش‌های عمومی شرکت‌ها پاسخ می‌دهند. نئون ۶۸٫۵۶٪، آسترا ۶۰٫۷۵٪ و سول ۵۸٫۹۱٪ گرفتند. فاصلهٔ نئون با آسترا در پژوهش مالی ۷٫۸۱ واحد درصد بود، درحالی‌که فاصلهٔ همان دو در اکسل کمتر از نیم واحد بود. اگر از مدل می‌خواهید خبری را کنار چارت تفسیر کند، از آن بخواهید تاریخ انتشار، واحد عدد و سطر گزارش را نشان بدهد. آن‌وقت خودتان می‌توانید ببینید ادعای «خرید» از سند درمی‌آید یا فقط از تغییر قیمت. روش ارزیابی و نتایج Finance Agent.


روی یک چارت واقعی بیت‌کوین، پاسخ چت‌جی‌پی‌تی و جمینای را چطور مقایسه کنیم؟

تصویر زیر از ۵۰۰ کندل کامل روزانهٔ BTC/USDT در بازار نقدی بایننس تا پایان ۲۲ آبان ۱۴۰۵ ساخته شده است. نمای پایین همان ۲۵ کندل آخر را بزرگ‌تر نشان می‌دهد. آزمون‌های بالا را مؤسسات نام‌برده اجرا کرده‌اند. برای این نمودار، پاسخ مستقیمی از هر دو مدل ثبت نکرده‌ایم. می‌توانید تصویر را باز کنید و فقط خود آن را در دو گفت‌وگوی تازه بفرستید.

۵۰۰ کندل روزانه بیت‌کوین به تتر تا ۲۲ آبان ۱۴۰۵ با نمای نزدیک ۲۵ کندل پایانی

فقط همین تصویر را بخوان. آخرین کندل صعودی است یا نزولی؟ پایین‌ترین قیمت و قیمت بسته‌شدنش را جداگانه و به تتر تخمین بزن. یک محدودهٔ حمایت پیشنهاد کن، شمارهٔ کندلی را که انتخابت بر آن تکیه دارد بنویس و بگو بسته‌شدن روزانه زیر چه قیمتی نظرت را عوض می‌کند. هر عددی که از روی مقیاس تخمین زده‌ای مشخص کن.

آخرین کندل نزولی است. در دادهٔ صرافی، روز در ۷۱٬۴۶۰ تتر باز شد، تا ۶۷٬۵۶۸ پایین آمد و در ۶۸٬۳۱۴ بسته شد. برای پرسشِ کف، خطای هر پاسخ را از ۶۷٬۵۶۸ حساب کنید. برای پرسشِ قیمت پایانی، مرجع ۶۸٬۳۱۴ است. اگر مدل دوم عددش به مرجع نزدیک‌تر بود اما برای تعیین حمایت به کندلی اشاره کرد که قیمتش به محدوده نرسیده، می‌توانید دقیق بگویید کدام بخش پاسخ بهتر و کدام بخش ضعیف‌تر بوده است. دادهٔ اصلی همین ۵۰۰ کندل در بایننس.

برای مقایسهٔ حمایت‌های پیشنهادی، پاسخ اول هر دو مدل را پیش از دیدن ادامهٔ چارت نگه دارید. مدل عدد را چقدر دقیق خواند؟ کدام کندل را به‌عنوان شاهد نشان داد؟ چه شرطی برای پس‌گرفتن تحلیلش گذاشت؟ این‌طور حتی اگر چت‌جی‌پی‌تی و جمینای یک حمایت مشابه پیشنهاد کنند، تفاوت کیفیت استدلالشان دیده می‌شود. مقایسهٔ پاسخ مدل‌های هوش مصنوعی به یک سؤال مالی در زد ارز.


جمع‌بندی زد ارز؛ برای تحلیل چارت بیت‌کوین، چت‌جی‌پی‌تی یا جمینای؟

اگر معمولاً از چارت عکس می‌گیرید و می‌خواهید مدل توضیح دهد کدام کندل به یک سطح واکنش نشان داده، GPT‑6.2 آسترا برای شروع انتخاب مناسب‌تری است. در آزمون تفسیر نمودارهای تخصصی، آسترا بالاترین امتیاز این سه مدل را گرفت. اگر از مدل فقط یک عدد روی تصویر را می‌خواهید، سول و جمینای نئون در آن بخش از آزمون روبوفلو امتیاز یکسانی داشتند.

وقتی فایل داده دارید و دنبال الگویی می‌گردید که از قبل جایش را نمی‌دانید، Gemini 4 Neon در آزمون کشف الگو نتیجهٔ بهتری گرفت. در بررسی گزارش‌های مالی هم نئون جلو بود. برای کار با اکسل، انتخاب بین آسترا و نئون به این سادگی نیست. فاصلهٔ امتیازشان فقط ۰٫۴۳ واحد درصد بود. در جدول، کادر سبز بالاترین امتیاز هر ردیف را نشان می‌دهد. ردیف تحلیل داده تعداد پاسخ‌های درست از ۴۳ سؤال است و بقیهٔ ردیف‌ها درصدند.

جدول پنج آزمون تفسیر نمودار، خواندن متن تصویر، تحلیل داده، اکسل و پژوهش مالی برای GPT‑6.2 آسترا، سول و Gemini 4 Neon؛ بالاترین امتیاز هر ردیف مشخص شده است

دربارهٔ حمایت بیت‌کوین یک پرسش باز می‌ماند. آیا قیمت واقعاً از محدوده‌ای که مدل پیشنهاد داده برمی‌گردد؟ این پنج آزمون توانایی خواندن تصویر و تحلیل داده را سنجیده‌اند. برای قضاوت دربارهٔ برگشت قیمت، باید حمایت پیشنهادی هر مدل را پیش از حرکت بازار ثبت کرد و دید بیت‌کوین در روزهای بعد به آن محدوده چه واکنشی نشان می‌دهد.

تیم زد ارز

تیم زد ، نام تیمی از علاقمندان حوزه رمز ارز ها می باشد ، در تیم زد سعی می کنیم آخرین دانسنه های خود را برای فارسی زبانان به رایگان به اشتراک بگذاریم، کلیه خدمات تیم زد رایگان است و تنها این آرزو را داریم که چراغ آگاهی را در ذهنی جست و جو گر روشن کنیم ، محتوای انتشار شده از تیم زد شکر گذاری کوچکی می باشد از دانشی که فراگرفته ایم.

نوشته های مشابه

0 0 رای ها
امتیاز مقاله
اشتراک در
اطلاع از
0 نظرات
قدیمی‌ترین
تازه‌ترین بیشترین رأی
دکمه بازگشت به بالا