*Последнее обновление: май 2026*
*Дисклеймер: Эта статья носит исключительно информационный характер и не является финансовым советом. Торговля криптовалютой и на рынках предсказаний сопряжена со значительным риском потери средств. Никогда не торгуй на деньги, которые не можешь позволить себе потерять. Всегда проводи собственное исследование (DYOR).*
Когда я впервые услышал эту историю — AI-агент превратил небольшой депозит на Polymarket в 1322% за 48 часов — я решил, что это очередная байка инфлюенсера. Потом я залез в историю кошелька, разобрал граф сделок и понял: за этим нет никакой магии. Есть вполне конкретный стек из рассуждений LLM, обработки on-chain данных и неэффективностей в книге ордеров Polymarket, которые любой человек с выходными и базовым знанием Python может воспроизвести — с существенно меньшими и более безопасными размерами позиций, разумеется.
В этом руководстве я разберу по шагам, как вообще возможна такая доходность на Polymarket, как AI-агент для рынков предсказаний выглядит изнутри, какую архитектуру я использую сам в своих экспериментах, какие шаблоны промптов работают, какие риск-контроли не дадут тебе слить всё подчистую, и какой воркфлоу ты можешь запустить прямо на этой неделе. К концу статьи у тебя будет полный чертёж — не обещание лёгких денег, а инженерная реальность. Если хочешь попробовать саму платформу, попробуй Polymarket и следи за происходящим с ставками размером с карманные деньги, пока учишься.
Раздел 1: Что на самом деле произошло — анатомия забега на 1322%
Кошелёк (свежий адрес, пополненный примерно на $740 в USDC на Polygon) совершил 31 сделку за 48-часовое окно в конце марта 2026 года. Большинство сделок относились к трём категориям: краткосрочные политические ивент-рынки, спортивные пропы на матчи UEFA и группа "напишет ли X в Twitter Y до такой-то даты" — социальные рынки. Агент агрессивно реинвестировал прибыль. К 47-му часу на кошельке было около $9 790 по закрытым позициям.
Вот где большинство комментаторов ошиблись: это была не одна большая удачная ставка. Агент выставлял десятки маленьких позиций там, где подразумеваемая вероятность на Polymarket расходилась с тем, что цепочка рассуждений LLM оценивала как "истинную" вероятность. В среднем каждая выигрышная сделка давала лишь 4–9% преимущества над рынком. 1322% — это то, что происходит, когда ты реинвестируешь позитивное математическое ожидание в 5% примерно на тридцати независимых позициях примерно 50/50 за два дня — формула Келли на максималках, плюс доступ к ликвидным рынкам, которые люди оценивали неверно, потому что не успели прочитать последнюю судебную бумагу, репорт о травме или геополитическую новость.
Мораль не в том, что AI ясновидящий. Мораль в том, что Polymarket в 2026 году по-прежнему неэффективен на рынках, которые закрываются менее чем за 72 часа, потому что большинство трейдеров-людей не успевают вручную исследовать 200 событий одновременно. Агент, который умеет парсить новостные ленты, перекрёстно проверять исторические базовые ставки и оценивать вероятности быстрее, чем человек успевает обновить Twitter, будет систематически извлекать преимущество. Это преимущество маленькое на каждой сделке, но взрывное при реинвестировании. Хитрость — и опасность — в том, что то же самое реинвестирование работает в обратную сторону, если твоя модель рассуждений предвзята или у твоего дата-фида запаздывание.
Free: Crypto Trading Platform Cheat Sheet
Side-by-side fee comparison, ratings, and quick-pick recommendations for every major exchange and trading bot. Save hours of research.
No spam. Instant download on the next page.
Раздел 2: Почему Polymarket — правильная площадка для AI-агентов в 2026 году
Polymarket — крупнейший децентрализованный рынок предсказаний в мире: к 2-му кварталу 2026 года совокупный объём превысил $9 миллиардов, а дневная ликвидность по активным рынкам составляет от $30M до $80M. Три структурные причины делают его уникально подходящим для AI-агентов прямо сейчас.
Во-первых, каждый рынок — бинарный или около того, что делает тривиальной задачу для LLM: вывести одно число (вероятность от 0 до 1) и сравнить его с серединой рынка. Никакого направленного смещения, никаких кривых плеча, никаких ставок финансирования — просто "сторона YES недооценена или переоценена?" Это максимально чистый интерфейс между рассуждениями языковой модели и распределением капитала.
Во-вторых, расчёт происходит on-chain через оптимистический оракул UMA, а значит твоему агенту не нужно предсказывать движение цены на протяжении недель. Ему просто нужно предсказать итоговый исход. Для краткосрочных рынков (спорт, политика, пороговые значения цены крипты) расчёт происходит за часы или дни. Этот короткий цикл обратной связи — золото для итерации агента: ты быстро узнаёшь, откалибрована ли твоя модель или галлюцинирует.
В-третьих, API и on-chain данные полностью открыты. В отличие от букмекеров, которые банят выигрывающие аккаунты, Polymarket не может тебя выгнать. Твой агент может работать 24/7, совершать сотни сделок, и протоколу всё равно. В сочетании с копеечными комиссиями Polygon ты получаешь арену, где автоматизация не просто разрешена — она является естественной стратегией. Если ещё не сделал этого, попробуй Polymarket, чтобы посмотреть на живые книги ордеров и прочувствовать, в каких категориях рынков самая глубокая ликвидность.
Обратная сторона: ликвидность неравномерна. На одних рынках глубина YES/NO достигает $5M, на других — всего $400. Твой агент обязан включать фильтр по ликвидности, иначе он сам себя распродаст в ноль на тонких рынках. Именно это разделяет агентов, которые зарабатывают деньги, от тех, кто просто их теряет.
Раздел 3: Архитектура AI-агента для Polymarket
Рабочий агент состоит из шести слоёв. Я опишу каждый простым языком, чтобы ты понял, что строить, а в следующем разделе дам подсказки по реализации.
Слой 1 — Сканер рынков. Каждые несколько минут тянет полный список активных рынков из CLOB API Polymarket. Фильтрует рынки с низкой ликвидностью (глубина менее $20K), рынки с расчётом более чем через 30 дней и рынки, которые агент уже оценил в рамках своего окна кулдауна.
Слой 2 — Сборщик контекста. Для каждого рынка-кандидата тянет последние релевантные новости. Здесь большинство новичков облажались — они позволяют LLM галлюцинировать из памяти. Вместо этого дай модели свежее досье: топ-5 новостных заголовков за последние 24 часа (через новостной API), описание рынка на Polymarket, раздел комментариев к рынку и любые релевантные on-chain данные (для рынков, связанных с криптой). Это важнейший слой во всей системе.
Слой 3 — Оценщик вероятностей (ядро LLM). Здесь Claude или GPT читает досье и выдаёт структурированный JSON: оценочная вероятность, уровень уверенности, ключевые допущения и основные факторы риска. Структура промпта здесь критически важна. Точный шаблон я покажу в разделе 5.
Слой 4 — Калькулятор преимущества. Сравнивает вероятность, оценённую LLM, с текущей серединой рынка. Вычисляет математическое ожидание, процент преимущества и долю Келли. К торговле переходят только сделки с преимуществом выше настраиваемого порога (у меня минимум 4%).
Слой 5 — Движок риска и размера позиции. Применяет дробный Келли (обычно 0.25 Келли, никогда полный), ограничения максимального размера позиции, лимиты общей экспозиции по банкроллу и лимиты по категориям, чтобы ты не оказался с 80% банка на одном политическом событии.
Слой 6 — Исполнение и логирование. Отправляет ордера через CLOB Polymarket, пишет всё в базу данных, мониторит расчёты и обновляет текущий показатель калибровки — чтобы ты мог видеть, действительно ли "70% уверенность" твоего агента разрешается YES в 70% случаев. Отслеживание калибровки — обязательно. Без него ты не можешь улучшаться.
Раздел 4: Пошагово — построй собственного агента за выходные
Вот воркфлоу, который я использую при создании нового агента с нуля. Реалистичный таймлайн: одни насыщенные выходные для v1, потом месяц итераций.
Утро дня 1. Настраиваем базу. Создаём кошелёк Polygon, пополняем его $50–200 в USDC для экспериментов в размере карманных денег, создаём аккаунт на Polymarket и получаем API-ключи. Устанавливаем Python-библиотеку `py-clob-client` и убеждаемся, что можем тянуть рынки и размещать тестовый ордер на $1. Не пропускай тестовый ордер — обнаружить сломанную авторизацию в 2 ночи после крупного новостного события — это самое отстойное ощущение.
День 1, после обеда. Строим сканер. Тянем все активные рынки, фильтруем по ликвидности и дате расчёта, сохраняем в локальную SQLite-базу. Запускаем каждые 10 минут через cron-задачу. К вечеру у тебя должна быть свежая база из 100–300 торгуемых рынков в любой момент времени.
Вечер дня 1. Подключаем новостной API (NewsAPI, Tavily или API Perplexity — всё подходит). Для каждого рынка тянем 5 самых релевантных заголовков за последние 24 часа, используя вопрос рынка как поисковый запрос. Сохраняем досье рядом с данными по рынкам.
Утро дня 2. Подключаем Claude или модель класса GPT-4. Строим оценщик вероятностей. Сначала вручную прогоняем его на 20 рынках, читаем каждый вывод, проверяем, адекватны ли рассуждения. Большинство новичков пытаются автоматизировать до того, как прочитали 50 сырых выводов LLM — не будь таким. Тебе нужно прочувствовать, где модель врёт, прежде чем доверять ей капитал.
День 2, после обеда. Строим калькулятор преимущества и движок размера позиции. Захардкоди максимальную ставку в $5 на рынок на первую неделю. Не пропускай это. Главная причина, по которой агенты сливают, — неконтролируемый размер позиций в сочетании с моделью, которая слишком самоуверенна в одной категории рынков.
Вечер дня 2. Запускаем полный пайплайн в бумажном режиме (логируем сделки, но не отправляем их). Сравниваем, что агент поставил бы, с реальными расчётными исходами в следующие несколько дней. Если за неделю бумажной торговли процент попаданий от 50% при преимуществе 4%+, ты готов идти в боевой режим с минимальными размерами.
Неделя 2 и дальше. Медленно увеличиваем лимиты ставок по мере накопления данных калибровки. Добавляем лимиты по категориям. Добавляем второй проход LLM-"критика", который перечитывает досье и пытается опровергнуть первую оценку — это резко снижает ошибки самоуверенности.
Раздел 5: Шаблон промпта, который реально работает
Именно здесь я вижу наибольшую разницу между агентами, которые работают, и теми, что галлюцинируют. Промпт должен быть жёстко структурированным. Вот скелет, который я использую:
```
You are a calibrated probability estimator. You are NOT making
predictions for entertainment. Your output will be used to allocate
real capital, so overconfidence costs money.
MARKET: [exact question text]
RESOLVES: [date and resolution criteria]
CURRENT YES PRICE: [market mid]
DOSSIER:
[5 most recent news headlines with summaries]
[market comments]
[any on-chain or historical base rate data]
TASK:
- List the 3 strongest arguments for YES.
- List the 3 strongest arguments for NO.
- Identify what historical base rate this resembles.
- State what you do NOT know that matters.
- Output a probability between 0.01 and 0.99 (never 0 or 1).
- Output a confidence level: low / medium / high.
Respond ONLY in JSON with these fields:
yes_arguments, no_arguments, base_rate, unknowns, probability, confidence.
```
Четыре ключевых элемента: принудительные аргументы с обеих сторон, принудительная базовая ставка (это убивает предвзятость к недавним событиям), принудительный раздел "чего я не знаю" и запрет на вывод 0 или 1. Одно только последнее ограничение сэкономило мне тысячи долларов — рынки Polymarket, которые выглядят как "абсолютная уверенность", почти никогда ею не являются, а LLM, выдающий 0.99, рано или поздно обанкротит тебя на одном чёрном лебеде.
Я также прогоняю каждую оценку через второй проход с промптом "опровергни предыдущую оценку максимально жёстко". Если второй проход сдвигает вероятность более чем на 8 процентных пунктов — я пропускаю сделку. Разногласие между проходами — сильный сигнал, что досье неполное.
Раздел 6: Управление рисками — что не даёт агенту слить всё
История с 1322% захватывает, но на каждый такой кошелёк приходятся десятки, которые уходят в ноль. Вот риск-контроли, которые я считаю обязательными.
Только дробный Келли. Даже если математика говорит "полный Келли" — используй 0.25 Келли. Причина в том, что твоя оценка преимущества сама по себе неточна. Четверть Келли даёт большую часть роста при доле просадки. Полный Келли на неточно оценённом преимуществе — это дорога в ноль.
Лимит на рынок. Не более 3% банкролла на один рынок. Неважно, насколько уверен твой агент.
Лимит на категорию. Не более 20% банкролла в одной категории событий (например, всё на одних выборах). Скоррелированные ставки — скрытый убийца: если одно допущение неверно, десять ставок разрешаются против тебя одновременно.
Суточный автоматический стоп при просадке. Если агент теряет более 15% банкролла за 24 часа — он останавливает торговлю и пингует меня. Всегда. Без исключений. Просадки — это время, когда модели с наибольшей вероятностью откалиброваны неверно для текущего режима.
Окно тишины перед новостями. Не торговать в 15 минут перед известным запланированным событием (решение суда, объявление ФРС, стартовый свисток). Рынок переоценивается быстрее, чем реагирует твой агент, и ты будешь есть проскальзывание.
Порог ручной проверки. Любая сделка крупнее $50 (или 1% банкролла для тебя) идёт в очередь на моё одобрение. Да, это замедляет работу. Зато я могу спать.
Раздел 7: Сравнение — AI-агент Polymarket против других торговых подходов
| Подход | Требуемый капитал | Время на создание | Требуемые навыки | Ожидаемое преимущество | Профиль риска |
|---|---|---|---|---|---|
| AI-агент Polymarket | $200+ | 1-2 выходных | Python + LLM API | 3-8% на сделку | Высокая дисперсия, ограниченный даунсайд |
| Ручная торговля на Polymarket | $100+ | Часы | Навыки исследования | 1-3% на сделку | Средний, требует времени |
| Торговый бот для крипты (CEX) | $500+ | Дни-недели | Python + API | 0.5-2% на сделку | Риск плеча, высокий |
| Ручная спот-торговля криптой | $100+ | Часы | Рыночная интуиция | Переменное | Волатильный риск |
| DCA / Индекс | $50+ | Минуты | Никаких | Рыночная бета | Низкий, долгосрочный |
У агента Polymarket самый чистый профиль риска среди активных стратегий, потому что каждая позиция имеет ограниченный максимальный убыток (ты не можешь потерять больше, чем вложил на одном рынке — никаких ликвидаций, никакого отрицательного баланса). Обратная сторона — дисперсия: даже при 60% проценте попаданий бывают длинные проигрышные серии, которые проверяют твою решимость.
Раздел 8: Плюсы и минусы запуска AI-агента на Polymarket
Плюсы:
- Ограниченный убыток на сделку — никаких ликвидаций по плечу.
- Короткий цикл обратной связи — краткосрочные рынки закрываются за часы.
- Открытый API, аккаунты за выигрыши не банят.
- Затраты на LLM минимальны относительно размеров позиций (менее $0.50 на оцениваемый рынок).
- Один и тот же код работает на тысячах рынков — написал однажды, работает вечно.
- Комиссии Polygon ничтожны — доли цента за сделку.
- Отличная обучающая среда для вероятностного мышления, даже если ты никогда не разбогатеешь.
Минусы:
- Калибровка сложна. Большинство LLM из коробки слишком самоуверенны.
- Ликвидность неравномерна — легко проскользить самому.
- Регуляторная неопределённость в ряде юрисдикций (проверяй местные правила).
- Споры по расчётам редки, но реальны — оптимистический оракул UMA иногда имеет оспариваемые исходы.
- Налоговая отчётность — настоящая боль при сотнях микро-сделок.
- Эмоциональная дисциплина — наблюдать, как агент берёт 30% просадки в какой-то вторник, испытывает кого угодно.
Если хочешь попробовать на реальных рынках с минимальными ставками, пока учишься, попробуй Polymarket и начни с рынков, которые ты реально понимаешь, прежде чем подпускать LLM к своему банкроллу.
Раздел 9: Реальные затраты и цены в 2026 году
Вот во что реально обходится запуск агента по состоянию на май 2026 года.
- **Затраты на LLM API.** При использовании Claude Sonnet 4.6 или моделей класса GPT-4.1 ожидай примерно $0.02–0.08 на оцениваемый рынок от начала до конца (досье + оценка + проход критика). При 200 рынках в день это $4–16/день на API.
- **Новостной API.** Tavily Pro — $30/месяц, Perplexity API — примерно $20/месяц для хобби-тира, бесплатный тир NewsAPI работает, но ограничен по частоте запросов.
- **Хостинг.** Дроплет DigitalOcean за $5/месяц или сервер Hetzner тянет весь стек. GPU не нужны.
- **Комиссии Polygon.** Ничтожны — менее $2/месяц суммарно по сотням сделок.
- **Минимальный рабочий банкролл.** Реалистично $200 для старта, $1000+ чтобы компаундинг реально заработал. Ниже $200 минимальные суммы сделок и комиссии съедают слишком много.
Суммарный ежемесячный расход на инфраструктуру: $50–80. Это полная стоимость запуска системы, которая может сканировать сотни рынков в день по всем категориям Polymarket.
FAQ
В1: Повторим ли доход в 1322%, или это просто везение?
Честно говоря, в основном везение поверх реального преимущества. Базовая стратегия имеет положительное математическое ожидание при правильном исполнении, но конкретная величина доходности этого кошелька потребовала благоприятной дисперсии по множеству независимых ставок. Реалистичная амбициозная цель — 30–100% в месяц, а не 1322% за 48 часов.
В2: Нужно ли мне знать машинное обучение, чтобы это построить?
Нет. Нужен базовый Python, умение вызывать LLM API и читать JSON. "Интеллект" арендуется у Claude или GPT. Навык — в пайплайне данных, дизайне промптов и управлении рисками, а не в обучении моделей.
В3: Может ли агент работать полностью без присмотра?
Технически да, но я не рекомендую это как минимум первый месяц. Тебе нужно читать сырые выводы, отлавливать режимы сбоя и регулировать пороги. После месяца supervised-работы можно дать агенту работать с ежедневными проверками.
В4: Какая самая частая ошибка новичков?
Доверие первой оценке LLM без базовой ставки и прохода критика. LLM предвзяты к последним событиям и самоуверенны. Принудительная базовая ставка из исторически похожих событий и проход критика — два рычага с самым высоким влиянием на результат.
В5: Это законно?
Правовой статус Polymarket варьируется по странам. В США доступ ограничен для резидентов (проверяй актуальные правила). В большинстве стран Европы, Азии и Латинской Америки работает открыто. Всегда проверяй местную юрисдикцию перед депозитом капитала. Эта статья не является юридической консультацией.
Заключение
Кошелёк с 1322% был реальным, но это не магия. Это рабочий агент, который находил небольшие повторяемые преимущества на рынке, где у большинства участников нет времени исследовать 200 событий одновременно. Ты можешь построить то же самое за выходные, если уважаешь инженерную сторону вопроса — структурированные промпты, базовые ставки, проходы критика, дробный Келли и жёсткие риск-лимиты. Компаундинг позаботится о себе сам, если математика на уровне сделки честная.
Агенты, которые зарабатывают деньги в 2026 году, — не самые умные. Это те, у которых самые чистые пайплайны данных и самые дисциплинированные риск-контроли. Строй это в первую очередь, потом дай LLM делать свою работу.
Если хочешь начать экспериментировать, попробуй Polymarket с совсем небольшой суммой и прогони первые несколько оценок вручную, прежде чем автоматизировать что-либо. Прочитай 50 выводов LLM до того, как напишешь код автоисполнения. Вот что отличает попавших в клуб 1322% от клуба просадки 100%.
*Дисклеймер: Эта статья носит исключительно информационный характер и не является финансовым советом. Торговля криптовалютой и на рынках предсказаний сопряжена со значительным риском потери средств. Никогда не торгуй на деньги, которые не можешь позволить себе потерять. Всегда проводи собственное исследование (DYOR). Прошлые результаты не гарантируют будущих, и большинство автоматизированных торговых стратегий теряют деньги.*
Партнёрское раскрытие: Эта статья содержит партнёрские ссылки. Если ты зарегистрируешься на таких платформах, как Polymarket, через ссылки на этом сайте, я могу получить комиссию без дополнительных затрат для тебя. Я рекомендую только те платформы, которые лично тестировал или детально исследовал. Партнёрский доход помогает держать этот контент бесплатным. Как всегда, проводи собственную проверку перед тем, как вносить капитал на любую платформу.