Probé personalmente la selección de acciones con "langosta": pensaba que podría "ganar sin esfuerzo", pero la realidad no es tan fácil

Pregunta a la IA: ¿Por qué al seleccionar acciones con “langosta” se encuentran repetidamente errores de datos en pruebas reales?

“¿Se puede encargar que ‘langosta’ compre y venda acciones?” Con esa pregunta, un periodista del China Securities Journal abrió el software “langosta”. Después, el reportero descubrió: el ideal es hermoso, pero la realidad no es tan fácil.

Sin un kit profesional de herramientas modular (Skills, que incluye el directorio que contiene el archivo SKILL.md; dicho archivo puede proporcionar instrucciones y definiciones de herramientas a un LLM), las respuestas obtenidas son solo un montón de datos; y cuando se revisa la guía de Skills una y otra vez, y se plantean requisitos para construir diversas estrategias especializadas, lo que se obtiene es una “situación embarazosa” de “tiempo de ejecución agotado”. Quizá, para un inversor particular común, el esfuerzo, los recursos materiales y el capital que se invierten al usar “langosta” para operar acciones no se corresponden con la precisión y la utilidad de los resultados.

Un gestor de fondos le dijo al reportero que, hasta ahora, el equipo todavía no ha integrado aplicaciones tipo “langosta”. Las razones son: por un lado, desde el punto de vista del cumplimiento normativo, este tipo de software tiene riesgos considerables; por otro, los modelos cuantitativos existentes ya pueden resolver con rapidez las necesidades de inversión como el filtrado de carteras de acciones y la retroprueba de estrategias.

De abrir la “langosta” a apagar el ordenador

La implementación local es una de las formas de instalación importantes para “langosta”. Pero en las pruebas del reportero se descubrió que este modo de operación otorga permisos demasiado altos: necesita obtener los permisos de administrador más altos del ordenador, “entregar por completo” datos como la contraseña de la cuenta personal, y una vez que sea vulnerado por un hacker o sea “desviado” por una instrucción, es muy posible que el dinero propio quede expuesto a un riesgo mayor.

A continuación, el reportero probó en la nube varios tipos de aplicaciones de “langosta”. Inició sesión sucesivamente en productos de “langosta” de varios grandes fabricantes de internet y compañías de modelos de IA, como Kimi Claw, Art Claw, JVS Claw, etc., y compró una membresía de nivel inicial para seguir probando.

El reportero supo que, si se desea obtener datos más reales y confiables, es necesario instalar un kit profesional de herramientas modular (Skills). Por ejemplo, en Art Claw, el reportero le envió a Art Claw la instrucción de instalar “stock-market-pro”, pero no pudo instalarlo en ningún momento.

Figura: captura de pantalla de la plataforma Art Claw

Luego, el reportero solo pudo intentar con la idea de construcción de estrategia de “PB-ROE” para que Art Claw recomendara acciones.

Figura: captura de pantalla de la plataforma Art Claw

Aunque Art Claw organizó la idea de construcción de estrategias y dio recomendaciones de acciones relacionadas (como se muestra en la imagen de abajo), el reportero descubrió que durante la inferencia aparecieron múltiples errores de datos. Por ejemplo, en el caso de Guizhou Moutai, tanto el precio de sus acciones como los valores de las utilidades netas atribuibles al accionista no coinciden con la realidad.

Figura: captura de pantalla de la plataforma Art Claw

Unas horas después, tras que el reportero intentara varias veces instalar el skill, la “langosta” finalmente se instaló el skill y afirmó que podía extraer los precios de acciones más recientes y reales desde la API del software de trading. Pero el reportero descubrió que muchos datos aún no coincidían en gran medida con los datos reales.

Las instrucciones en la plataforma Kimi Claw también “toparon con pared” en todos los frentes: si la instrucción se volvía un poco más complicada, dejaba de responder. En el primer intento de enviar una instrucción a Kimi Claw, pidiéndole que buscara e instalara habilidades para analizar datos del mercado de A-shares, el sistema indicó: “IM runtime dispatch timed out after 300000ms”, es decir, que la asignación de recursos de cómputo agotó el tiempo; la tarea falló.

Figura: captura de pantalla de la plataforma Kimi Claw

Después, el reportero volvió a intentar según las frases de ejemplo mencionadas en《Kimi Claw Guía de uso para usuarios》. Kimi Claw indicó que había creado cuatro habilidades profesionales de análisis de A-shares y, con base en ellas, analizó los informes financieros del tercer trimestre de 2025 de tres acciones. Los resultados mostraron que los datos financieros que proporcionó coincidían con los del informe anual de la empresa; además, advirtió y explicó los riesgos del flujo de efectivo, e incluyó una calificación integral y recomendaciones de inversión.

Figura: captura de pantalla de la plataforma Kimi Claw

El reportero intentó además instalar una habilidad de búsqueda de noticias en tiempo real en internet. La operación se realizó con éxito y se obtuvo información relacionada con la opinión pública de empresas cotizadas. Sin embargo, cuando el reportero quiso que Kimi Claw se conectara a la función de monitoreo en tiempo real y siguiera las operaciones sugeridas, el sistema volvió a mostrar el mismo aviso de tiempo de espera. El reportero recurrió entonces al modelo de clúster de K2.5 Agent, que abrió pagando 199 yuanes, pero el resultado tampoco fue satisfactorio.

Figura: captura de pantalla de la plataforma Kimi Claw

Para muchos inversores particulares, cultivar una “langosta” inteligente, capaz y con respuesta rápida requiere no solo que el usuario haga un esfuerzo constante, sino también contar con habilidades profesionales relativamente abundantes. Además, algunos inversores señalaron que el complejo trabajo de filtrado de acciones necesita gastar una gran cantidad de Tokens, lo que implica un costo alto.

“Ahora aunque puedo hacer que la ‘langosta’ me envíe diariamente informes del mercado de valores, necesito mantener Skills en un estado de actualización constante, para que capture en todo momento los cambios de la última iteración. Lo mejor es usar algunos software de programación inteligente para ayudar, lo que puede mejorar la eficiencia.” Un inversor que usa “langosta” para invertir le dijo al reportero: “El proceso de cultivo ha pasado por muchos ‘obstáculos’; si después quiero añadir algunos factores de estrategia, quizá necesite una depuración adicional.”

El camino de la inversión inteligente es largo y está lleno de obstáculos

Un gestor de fondos le reveló al reportero que su equipo aún no ha incorporado aplicaciones tipo “langosta”. Esto se debe principalmente a dos consideraciones: primero, en términos de cumplimiento, este tipo de software tiene un riesgo alto; segundo, los modelos cuantitativos actuales del equipo ya pueden satisfacer de manera relativamente eficiente necesidades de inversión como el filtrado de la cartera de acciones y la retroprueba de estrategias.

“Yo intenté ‘langosta’ en mi propio ordenador. Sí, puede ayudarme a procesar algunos códigos de programación, pero en general, la experiencia no ha mejorado mucho la eficiencia de mi trabajo.” Un gestor de fondo cuantitativo le dijo al reportero: “Por el momento, el equipo todavía no tiene planes de incorporar ‘langosta’.”

Al hablar sobre la implementación de “langosta”, el gestor de fondos de China Europe Fund, Song Weiwei, indicó que el hardware de memoria unificada (Unified Memory) es una mejor opción para implementar OpenClaw. Las tres peticiones centrales de OpenClaw como “cerebro privado de IA” son: mucha memoria, cómputo eficiente y ejecución permanente. En los PC tradicionales, la CPU usa memoria y la GPU usa VRAM; ambos son independientes. La transferencia de datos necesita copiarse entre ambos, lo que resulta en baja eficiencia y desperdicio de recursos.

Song Weiwei señaló que, con la arquitectura de memoria unificada, la CPU, la GPU y la NPU (motor de redes neuronales) comparten un mismo pool de memoria física, lo que permite acceder sin problemas a los mismos datos, sin necesidad de copias de ida y vuelta. Al ejecutar modelos de lenguaje grande, el mayor cuello de botella es la VRAM. Los parámetros del modelo deben cargarse completamente en la VRAM para poder ejecutarse. En un PC, para ejecutar un modelo grande de 70 mil millones de parámetros, se requiere una tarjeta gráfica de gama alta con más de 32GB de VRAM; normalmente esto implica costos de decenas de miles y un consumo de energía enorme.

Además, el riesgo de uso de “langosta” también es un tema que muchos profesionales del sector prestan atención. Song Weiwei indicó que depender únicamente de los prompts en lenguaje natural como vallas de seguridad es extremadamente frágil. Cuando la IA obtiene Full Disk Access (acceso completo al disco), cualquier vulnerabilidad de seguridad puede provocar una filtración sistemática de datos. El ecosistema de plugins de terceros de OpenClaw (ClawHub) también podría tener riesgos de seguridad. Además, cuando la IA pasa de ser una herramienta a convertirse en un ejecutor autónomo, la lógica tradicional de atribución de responsabilidad deja de funcionar por completo.

Si OpenClaw, al ejecutar instrucciones, sin querer filtra secretos comerciales, envía correos difamatorios, e incluso participa en un ataque a la red, ¿quién debería ser responsable? ¿El usuario que dio las instrucciones, el desarrollador que escribió el código, el fabricante que proporciona el modelo subyacente, o la propia IA que tiene la capacidad de “tomar decisiones autónomas”? En la actualidad, a nivel global, casi no hay un vacío legal al respecto.

(Fuente: China Securities Journal)