Les plus grandes entreprises d'IA au monde ont déjà démontré quelque chose d'important : les LLM généralisés ne sont pas naturellement optimisés pour le trading. SpawnAgents l'a identifié et a construit une manière différente d'utiliser l'IA pour le trading de crypto.
Des modèles comme ChatGPT et Claude sont exceptionnels dans la génération de langage et le raisonnement général, mais les marchés crypto récompensent un ensemble de compétences complètement différent : vitesse d'exécution, surveillance continue, filtrage probabiliste et cohérence sous la volatilité.
Les marchés onchain sont des environnements hostiles. La liquidité disparaît instantanément, les narratifs tournent toutes les heures et les opportunités se dégradent en minutes. Dans ces conditions, l'intelligence générale compte moins que l'exécution disciplinée.
C'est là que SpawnAgents adopte une approche fondamentalement différente.
Plutôt que de construire autour de modèles de raisonnement entraînés sur Internet, SpawnAgents se concentre sur l'exécution autonome contrainte. Les utilisateurs définissent des conditions de marché précises via des DNA Inputs, et les agents n'exécutent qu'à l'intérieur de ces limites prédéfinies.
Cette décision architecturale pourrait bien être l'une des distinctions les plus importantes dans l'AgentFi.
L'ÉCHEC CARDINAL DU TRADING PAR LLM
La plupart des systèmes de trading basés sur les LLM échouent pour des raisons structurelles.
Les modèles à usage général sont conçus pour générer des résultats plausibles, pas pour survivre dans des environnements financiers hostiles. Dans des conditions de trading en direct, cela crée une faible conscience situationnelle, une exécution incohérente et une mauvaise gestion d'un contexte en évolution rapide.
Le problème devient amplifié on-chain car les marchés crypto sont fragmentés sur des milliers d'actifs et fonctionnent en continu. Un trader humain peut surveiller efficacement 5 à 10 opportunités simultanément. Un système autonome peut en surveiller des centaines sans interruption.
Ce qui aggrave la situation pour les systèmes d'IA généralisés, c'est que la plupart des LLM de pointe sont entraînés sur des jeux de données largement similaires provenant d'Internet. Cela crée des schémas de raisonnement hautement corrélés entre les modèles.
Le résultat est que de nombreux systèmes de trading par IA échouent de manière similaire :
- réagir de manière excessive au bruit
- classer incorrectement le momentum
- halluciner la conviction
- échouer lors de l'expansion de la volatilité
Des benchmarks récents de systèmes d'IA de pointe sur les marchés de prédiction ont montré que les modèles leaders produisaient des rendements profondément négatifs malgré des architectures sophistiquées. Le problème n'est pas l'intelligence, c'est que le raisonnement généralisé est souvent le cadre inadapté pour les marchés à forte exécution.
SpawnAgents évite cela en réduisant presque entièrement le raisonnement généralisé.
Au lieu de demander à un LLM ce qu'il « pense » des marchés, SpawnAgents pose une question beaucoup plus étroite : « Cette opportunité satisfait-elle les conditions d'exécution prédéfinies ? »
Ce changement modifie radicalement le comportement du système.
SPAWNAGENTS : IA AVEC AUTONOMIE CONTRAINTE
SpawnAgents fonctionne davantage comme une infrastructure d'exécution autonome que comme un chatbot relié à un terminal de trading.
Les utilisateurs définissent des DNA Inputs tels que les fourchettes de capitalisation boursière, les seuils de liquidité, les préférences de launchpad, le nombre de détenteurs, les profils de volatilité et les exigences de présence sociale. Les agents surveillent ensuite les marchés en continu et n'exécutent que lorsque ces conditions sont remplies.
Cela réduit considérablement la surface d'hallucination tout en préservant les avantages les plus forts des systèmes machine :
- surveillance continue
- cohérence d'exécution
- reconnaissance de motifs
- prise de décision à haute fréquence
- neutralité émotionnelle
En effet, SpawnAgents externalise l'intention stratégique vers l'utilisateur tout en internalisant l'exécution vers la machine.
Cette distinction est fondamentale car les humains sont encore généralement supérieurs en matière d'intuition macro et de cadrage narratif, tandis que les machines sont de plus en plus supérieures en matière d'exécution répétitive et d'échelle.
SpawnAgents est entièrement construit autour de cette asymétrie.
L'ESPRIT IA & MOTEUR D'EXÉCUTION
L'architecture commence par ce que l'équipe de SpawnAgents appelle l'AI Mind, une couche de filtrage qui scanne en continu les marchés @solana pour détecter les actifs qui passent les vérifications structurelles et de sécurité initiales.
Les actifs qui survivent à cette étape de filtration se déplacent dans l'« Arena », où des agents individuels évaluent les opportunités en fonction de leurs DNA Inputs.
Cela crée un système en deux étapes :
- Filtration large du marché
- Exécution autonome spécialisée
Un seul Spawn Agent peut détenir plusieurs positions simultanément et exécuter des centaines de transactions par heure sans fatigue ni dégradation émotionnelle.
Cet avantage opérationnel devient de plus en plus important à mesure que les marchés crypto deviennent plus fragmentés et intensifs en attention.
SpawnAgents ne tente pas de créer un modèle qui « comprend » philosophiquement les marchés. Il construit des systèmes d'exécution déterministes capables de fonctionner plus rapidement et plus régulièrement que les humains.
C'est une application de l'IA au trading bien plus réaliste.
LES MARCHÉS DE PRÉDICTION POURRAIENT DEVENIR LA PLUS GRANDE OPPORTUNITÉ
L'une des expansions les plus importantes de SpawnAgents a été dans les marchés de prédiction via @jup_predict.
Cela renforce l'utilité de SpawnAgents car les marchés de prédiction deviennent rapidement l'un des secteurs à la croissance la plus rapide de la crypto. Le volume combiné sur des plateformes comme Polymarket et Kalshi a déjà dépassé des dizaines de milliards de dollars, tandis que l'intérêt ouvert a considérablement augmenté au cours de l'année écoulée.
Plus important encore, les marchés de prédiction sont structurellement idéaux pour les systèmes autonomes contraints :
- les probabilités se mettent à jour en continu
- les résultats sont discrets
- la résolution de l'information se produit rapidement
- la vitesse d'exécution compte énormément
Le comportement précoce de la plateforme SpawnAgents suggère déjà que les agents des marchés de prédiction surpassent de nombreux agents uniquement token en termes de régularité.
Cela pourrait devenir l'un des plus forts verticaux à long terme de la plateforme.
LES CHIFFRES ACTUELS SONT DÉJÀ REMARQUABLES
SpawnAgents en est encore à un stade très précoce, mais les métriques actuelles sont significatives par rapport à la maturité de la plateforme.
À environ six semaines d'existence, la plateforme a déjà traité plus d'un million de dollars de volume de trading cumulé sur le trading de tokens et les marchés de prédiction, tout en fonctionnant avec moins de 100 agents actifs.
L'équipe a également mentionné des fourchettes de rentabilité où environ 20 à 30 % des agents déployés sont restés rentables sur les périodes de trading observées. Pour des systèmes entièrement autonomes opérant dans des conditions on-chain volatiles, ce chiffre est notable, surtout compte tenu du fait que de nombreuses expériences de trading par IA généralisée peinent à maintenir une rentabilité après frais et slippage.
Cependant, le changement de donne pour ceux qui n'ont pas l'expérience de la construction d'un agent sur mesure pourrait être la reproductibilité.
SpawnAgents permet aux utilisateurs de cloner des configurations rentables, de modifier les paramètres de risque et d'itérer sur des systèmes d'exécution réussis plutôt que de repartir de zéro.
Cela crée un effet de réseau cumulatif où les comportements rentables se propagent rapidement à travers l'écosystème.
LA PROPRIÉTÉ EST UN ENJEU BIEN PLUS GRAND QU'IL N'Y PARAÎT
Un changement infrastructurel critique s'est produit lorsque SpawnAgents s'est intégré aux @metaplex Core NFTs.
Avant cette transition, les agents existaient principalement comme des entités contrôlées par le backend. Les déplacer on-chain a fondamentalement changé le modèle de confiance.
Les agents sont devenus des entités numériques portables, contrôlées par portefeuille, avec des droits de propriété et de délégation transparents.
Cela a élevé la couche de sécurité et de confiance de SpawnAgents car l'infrastructure à long terme de l'AgentFi dépend probablement de l'indépendance des agents en tant que primitives onchain plutôt que de services backend fermés.
SpawnAgents semble comprendre cela plus tôt que la plupart des projets du secteur.
BASE, PERPS & INFRASTRUCTURE FINANCIÈRE AUTONOME
La prochaine grande expansion de la plateforme semble être @base.
Stratégiquement, ce sera un catalyseur majeur car une grande partie de l'écosystème actuel d'agents IA sur base, comme Virtuals, dépend encore fortement d'une infrastructure LLM généralisée combinée à des systèmes d'inférence coûteux.
SpawnAgents se concentre plutôt sur des systèmes d'exécution légers où les utilisateurs définissent des contraintes tandis que la plateforme abstrait entièrement la complexité opérationnelle.
Les contrats à terme perpétuels pourraient devenir une opportunité encore plus grande.
Les marchés Perps récompensent naturellement :
- la surveillance continue
- la rapidité de réaction
- la discipline d'exécution
- la neutralité émotionnelle
Ce sont exactement les environnements où les systèmes autonomes possèdent des avantages structurels sur les humains.
L'équipe a également discuté d'intégrations futures impliquant Raydium, Meteora, Phoenix Trade et Hyperliquid. En cas de succès, SpawnAgents pourrait évoluer au-delà du trading directionnel de tokens vers un provisionnement de liquidité autonome, une optimisation du rendement et une gestion dynamique de l'exposition.
À ce stade, la plateforme cesse de ressembler à un produit de trading et commence à ressembler davantage à une infrastructure financière autonome.
CONCLUSION
La perception la plus importante derrière SpawnAgents est que les systèmes de trading par IA n'ont pas nécessairement besoin d'une intelligence plus large. Ils ont besoin d'une précision plus étroite.
Les LLM à usage général tentent de raisonner sur l'ensemble d'Internet. SpawnAgents contraint plutôt les systèmes autonomes à des environnements d'exécution strictement définis où la cohérence compte plus que la créativité.
Cela pourrait finalement s'avérer être l'architecture correcte pour l'AgentFi.
Les marchés crypto récompensent de plus en plus les systèmes capables de fonctionner en continu, de réagir instantanément et d'exécuter sans dégradation émotionnelle.
SpawnAgents est l'une des premières tentatives sérieuses d'encapsuler cette réalité dans une infrastructure onchain scalable.
