Lợi thế công nghệ thật sự trong web3 không phải là model thông minh hơn mà là nhìn thấy lệnh, signal và transaction trước khi chúng được thực thi. Khi đã thấy trước, câu hỏi không còn là “giá sẽ đi đâu” mà là “hành động đang chờ này có nên cho qua không” — và đó là bài toán phán đoán, không phải bài toán dự báo.
Bằng chứng: model loại này không biết tính
Thử nghiệm trên 200 mẫu BTC 5 phút của Hyperliquid (lấy từ API công khai candleSnapshot), hỏi hướng nến kế tiếp với ngưỡng 5 điểm cơ bản. Đưa 20 nến thô vào: độ chính xác 0,315. Đổi sang tín hiệu đã tính sẵn rồi rời rạc hoá thành ngữ nghĩa (RSI 27,4 thành “oversold”, khối lượng 2,4 lần thành “spike”): 0,360. Baseline đoán “flat” hết: 0,48. Không có kỹ năng định hướng nào, dù confidence trung bình tăng từ 0,264 lên 0,485 — nó biết mình không biết.
Nguyên tắc
- Code tính toán và code thực thi; model chỉ gán nhãn.
- Mọi ngưỡng và phép so sánh nằm trong code, chỉ đưa ngữ nghĩa vào prompt.
- Confidence thấp thì rơi về luật xác định, không để model tự quyết.
- Không dùng model cho position sizing hay làm cổng chặn cứng cho lệnh tiền thật.
Ràng buộc latency quyết định kiến trúc
Jev API đo được 521 ms mỗi lần gọi từ Việt Nam sang US-West, cộng thêm mạng thực tế. Cửa sổ từ 1 giây trở lên (kiểm tra trước khi ký, theo từng block, xử lý theo lô) thì dùng API được. Cuộc đua dưới một giây thì phải self-host: laya chạy 236 ms/mẫu ngay trên CPU tại chỗ, không tốn token.
Việc nên làm trước tiên
Dựng decision log trước khi dựng model: mỗi lần trước khi thực thi, ghi lại state và feature đã rời rạc hoá, nhãn model đưa ra, confidence, và kết quả sau đó. Một bảng, một writer. Đây là tài sản duy nhất không mua được bằng tiền, và là điều kiện để sau này chọn model hoặc huấn luyện thêm head. Số liệu so sánh ba model ở bài Đo thật Jev, laya và một LLM.