Numerai está formando un equipo para hacer que su fondo de cobertura sea automejorable

Why it matters

Numerai has opened alpha generation to outside models. Craib's hiring push moves AI into risk and portfolio infrastructure, where errors can affect hundreds of millions of dollars.

Richard Craib (@richardcraib), fundador y CEO de Numerai, está formando un nuevo equipo para aplicar IA de vanguardia en los sistemas internos de investigación y riesgo del fondo de cobertura, dijo en un hilo de dos publicaciones en X el 4 de agosto.

Craib describió el objetivo como un "fondo de cobertura que se mejora a sí mismo." Numerai ya combina predicciones de miles de modelos de aprendizaje automático, y Craib dijo que la IA cada vez construye más esos modelos. Ahora quiere que Numerai use las mismas herramientas para el trabajo que permanece dentro del gestor de activos, citando el desarrollo de modelos de riesgo como un área donde la IA podría acelerar la investigación.

El impulso de contratación extiende la arquitectura que Craib ha pasado una década construyendo. Matemático formado en Cornell, trabajó como científico de datos en un gestor de activos con $15 mil millones bajo administración antes de fundar Numerai en 2015, según una nota biográfica publicada por el Foresight Institute. Su apuesta original fue que un fondo de cobertura podría atraer de una bolsa más amplia de talento predictivo distribuyendo datos financieros ofuscados y pagando a investigadores externos por modelos útiles.

De modelos externos a sistemas internos

Numerai da a los participantes un conjunto de datos anonimizado que representa acciones, características cuantitativas y objetivos de retorno futuro. Los investigadores envían predicciones de modelos entrenados con esos datos. Los participantes pueden apostar el token NMR de Numerai en sus envíos, ganando tokens adicionales cuando sus modelos tienen buen desempeño y perdiendo la apuesta cuando tienen mal desempeño.

Solo las predicciones apostadas entran al Stake-Weighted Meta Model de Numerai, según la documentación de la plataforma. Ese conjunto alimenta el proceso de negociación del fondo de cobertura. La estructura está diseñada para recompensar a los modelos que añaden predicciones útiles y diferenciadas en lugar de modelos que rinden bien únicamente en pruebas históricas.

Numerai ha dedicado 2026 a reducir la barrera técnica para que agentes de IA entren en ese bucle. Numerai MCP conecta agentes de codificación como Codex CLI, Claude Code y Cursor a los sistemas de Numerai. Los agentes pueden crear modelos, subir predicciones, ejecutar diagnósticos y recuperar datos de rendimiento a través de la interfaz.

Numerai dijo en marzo que más de 2,000 modelos de lenguaje grande habían interactuado con sus APIs durante el primer mes después de que presentó su MCP y las habilidades de agentes. En mayo, Numerai reportaba decenas de miles de sesiones de agentes. Ambas cifras son conteos de uso autoinformados y no muestran cuántos modelos llegaron al meta-model del fondo ni cuántas produjeron predicciones útiles en vivo.

El último movimiento de Craib apunta a la capa que Numerai históricamente ha controlado por sí misma. La construcción de la cartera, las restricciones de riesgo y los sistemas que traducen un conjunto de predicciones sobre acciones en operaciones tienen consecuencias distintas a las de ejecutar experimentos en un torneo. Un modelo contribuyente débil puede perder su apuesta o recibir menos peso. Un modelo de riesgo interno defectuoso puede distorsionar las exposiciones en todo el fondo.

Numerai ya había apuntado hacia esta expansión en su conferencia de febrero, donde presentó Numerai Risk, un torneo planificado para predecir la volatilidad residual. Esas previsiones están pensadas para sentarse junto a las predicciones de retorno y alimentar un meta-modelo de riesgo separado. La publicación de Craib indica que Numerai también quiere que modelos de vanguardia trabajen directamente en el proceso de investigación detrás de esos sistemas.

Más capital aumenta el costo de los errores

El momento sigue a un rápido aumento en la cantidad de capital ligado a los modelos de Numerai. El 15 de julio, Numerai dijo que gestionaba aproximadamente $700 millones, frente a aproximadamente $560 millones a fines de 2025, y negociaba más de $1,000 millones cada mes en 30 mercados. Numerai también dijo que más de 1.1 millones de NMR estaban apostados en la plataforma. Esas cifras operativas provienen de Numerai y no han sido auditadas de forma independiente en el anuncio.

En agosto de 2025, Numerai dijo que JPMorgan Asset Management invirtió en su fondo de cobertura y reservó hasta $500 millones de capacidad. La capacidad representa la cantidad que un asignador puede poner a disposición, más que capital ya colocado en el fondo. Tres meses después, Numerai levantó $30 millones en una Serie C a una valuación de $500 millones. Numerai dijo que los fondos universitarios encabezaron la financiación, con la participación de Union Square Ventures, Shine Capital y Paul Tudor Jones.

Una página de contratación de Numerai actual lista un puesto de quantitative research engineer con base en San Francisco con un rango salarial de $300,000 a $350,000 y hasta 0.2% de participación accionaria. El hilo de Craib describe un mandato de equipo más amplio: usar modelos de vanguardia para acortar el ciclo entre investigación, pruebas, análisis de riesgo y despliegue dentro del fondo.

Eso es una prueba más difícil que generar código para un participante externo en un torneo. Numerai debe demostrar que los sistemas internos construidos por IA pueden mejorar el fondo sin debilitar los controles de riesgo, oscurecer la rendición de cuentas o permitir que bucles de investigación automatizados amplifiquen la misma suposición errónea. Con cientos de millones de dólares bajo administración, la retroalimentación de esos sistemas llega en forma de rendimientos reales de la cartera.