- Alpha Pulse AI baseline pasó de -1.15% (24 Abr) a +21.38% (23 May) — swing de 22.5pp en 30 días.
- El stack de producción migró de modelos previos a GPT-5.5 + Claude Opus 4.7 a finales de abril 2026.
- Profit factor 1.17, 46% win rate YTD — edge modesta con R:R asimétrico, no números heroicos.
- 30 días no es prueba estadística — señal positiva temprana, no turnaround confirmado.
- Mismo stack de modelos aplicado a MultiStrategy Pro v2 (fresh start 3 mayo) como test paralelo.
El 24 de abril de 2026, la cuenta baseline de Alpha Pulse AI en Myfxbook estaba en -1.15% de crecimiento acumulado.
El 23 de mayo, la misma cuenta muestra +21.38% de crecimiento acumulado.
Eso es un swing de 22.53 puntos porcentuales en 30 días en una cuenta en vivo, pública, con más de $7,000 depositados que cualquiera puede hacer click y auditar trade por trade. La curva no giró así por accidente — y quiero explicar exactamente qué cambió, qué muestra el track de Myfxbook realmente, y qué caveats debería mantener en la cabeza todo lector honesto antes de sacar conclusiones.
La versión corta: a finales de abril, migramos el stack de IA de producción de los modelos de generación anterior a GPT-5.5 más Claude Opus 4.7. La curva de recuperación empezó inmediatamente después. Si eso es coincidencia o relación causal es lo que los próximos tres meses de data determinarán. Pero aquí va la lectura a 23 de mayo.
Cómo fue abril (y por qué cambiamos modelos)
La arquitectura de Alpha Pulse AI tiene siete componentes — context engineering, diseño de system prompt, gestión de riesgo hardcodeada, frecuencia de llamadas, guardrails pre-trade, validación de output, logging. El motor de razonamiento que produce la señal de entrada es un componente de siete, pero es el que donde la calidad del modelo se traduce directamente en ventaja.
A lo largo de Q1 y hasta principios de abril 2026, el stack de producción corría con los modelos de generación anterior que se habían validado a finales de 2025. El comportamiento que veíamos en trading en vivo a mediados de abril:
- La calidad de razonamiento en rechazos de trades era inconsistente — la misma firma de setup a veces se razonaba como “alta convicción” y otras veces como “skip” sin diferencia contextual clara
- Setups multi-step (donde el modelo necesitaba rastrear contexto a lo largo de varias barras) mostraban degradación versus cómo los mismos setups se habían manejado en ventanas de test anteriores
- La estabilidad de estructura de output en edge cases era menor — el parser rechazaba más respuestas que tres meses antes
Ninguno de esos problemas era catastrófico individualmente. Agregados, se reflejaban en la curva de equity sentada en -1.15% de crecimiento el 24 de abril — dentro del rango de drawdown normal para el sistema, pero pasado el umbral donde normalmente empiezo a cuestionar si algo en el stack se ha desviado.
GPT-5.5 y Claude Opus 4.7 habían lanzado para entonces con mejoras de capacidad que mapeaban directamente a los problemas que veíamos: razonamiento más fuerte en contexto multi-step, adherencia más limpia a output estructurado, comportamiento más estable en setups ambiguos. La decisión de migrar el stack de producción a una nueva generación de modelos se tomó deliberadamente, después de backtestear los nuevos modelos contra los mismos prompts y lógica de validación que el sistema de producción ya estaba corriendo.
El cambio ocurrió a finales de abril. La curva empezó a girar poco después.
Qué muestra el Myfxbook a 23 de mayo de 2026
Aquí están los números verificables públicamente — cualquiera puede hacer click en el link en vivo y confirmarlos:
- Gain acumulado: +21.38%
- Gain absoluto: +21.42%
- Media diaria: 0.13%
- Media mensual: 3.90%
- Drawdown máximo: 14.23%
- Balance: $8,556.13 (máximo 20 mayo: $9,199.17)
- Beneficio: $1,509.55 sobre $7,046.58 en depósitos, retiros $0 (cuenta en modo crecimiento)
- Total trades: 210
- Este año: +23.73% / $1,640.94 / 197 trades / 46% win rate
- Este mes: +1.52% / $128.18 / 57 trades / 35% win rate
- Esta semana: +1.86% / $156.64 / 19 trades / 36% win rate
Las estadísticas avanzadas cuentan el resto:
- Profit factor: 1.17
- Ganador medio: $105.19 (2,117.85 pips)
- Perdedor medio: -$78.56 (-1,781.41 pips)
- Expectativa: +$7.19 / +38.2 pips por trade
- Duración media de trade: 3h 8m
- Mejor trade ($): 12 mayo → +$434.88
- Peor trade ($): 20 mayo → -$170.04
Estos son los números. No son heroicos. Son la matemática aburrida de un sistema con edge real pero modesta corriendo sobre un tamaño de muestra real pero normal.
Los caveats honestos (lee esto antes que nada)
Antes de que nadie interprete “de -1.15% a +21.38%” como prueba de nada, aquí están los caveats que querría que un lector mantuviera en la cabeza:
El win rate está por debajo del 50%. 46% YTD, 35% este mes, 36% esta semana. El sistema no gana dos de cada tres trades. Gana ligeramente menos de la mitad — y produce expectativa positiva porque el ganador medio ($105.19) es significativamente más grande que el perdedor medio ($78.56). Eso es un ratio ganador/perdedor de 1.34:1. La matemática funciona a nivel de conjunto, no a nivel de trade individual. Cualquiera que espere sentirse confiado trade por trade va a odiar este sistema. Cualquiera que lea la curva de equity estará bien.
Profit factor 1.17 es real, pero ajustado. Un PF de 1.17 significa $1.17 ganados por $1.00 perdido en todo el historial. Eso es ventaja — pero no es el 2.0+ PF que ves en material de marketing de EAs con backtests no auditados. Es también el tipo de ventaja que compone de forma estable sin producir las discontinuidades de curva de equity que indican overfitting o lógica de martingala oculta.
30 días no son una muestra estadística. El swing de -1.15% a +21.38% entre el 24 de abril y el 23 de mayo se ve dramático en el gráfico. Son también una muestra de 30 días. ¿Podría revertir? Sí — todo sistema tiene ventanas de varianza donde la curva cae por razones no relacionadas con la ventaja subyacente. La pregunta que vale la pena hacer es si el cambio arquitectónico (swap de modelo) produjo la mejora, o si la mejora es varianza que habría aparecido de todas formas. Tres meses más de data responderán eso. La lectura de hoy es “señal positiva temprana”, no “turnaround confirmado”.
El gain de este mes es pequeño. +1.52% para mayo hasta ahora. La mayor parte de la recuperación de -1.15% a +21.38% ocurrió en las primeras 2-3 semanas tras el cambio. Mayo ha sido más tranquilo — menos trades, resultados individuales más pequeños. Eso es exactamente como se ve un sistema en vivo sano: ráfagas de señal limpia seguidas de consolidación más tranquila, no aceleración ascendente perpetua.
El peor trade fue reciente. El 20 de mayo produjo la mayor pérdida individual de la cuenta: -$170.04. La misma semana del máximo histórico de equity de $9,199.17. Los controles de riesgo hicieron exactamente lo que se supone — limitaron el daño a una fracción definida del equity — pero el perdedor ocurrió con los nuevos modelos, no con los viejos. Las mejoras de modelo no eliminan la varianza; desplazan la distribución.
Lee esos caveats justamente. La curva genuinamente mejoró. El sistema genuinamente está mejor. Nada de eso significa que retornos futuros sean predecibles desde números actuales.
Cómo conecta con MultiStrategy Pro v2
El mismo cambio de modelo se aplicó a MultiStrategy Pro v2, que tuvo su fresh start el 3 de mayo de 2026 — cuenta limpia, ocho slots de portfolio, $4,000 de capital inicial, el nuevo stack de modelos desde el día uno.
La referencia de backtest de v2 (ejecutado durante la construcción antes de ir en vivo): beneficio neto $8,963, retorno +224.1%, drawdown de balance -5.83% en el portfolio completo de 8 slots.
Los resultados forward de MSP v2 están aún en sus primeras tres semanas a fecha de este artículo — demasiado pronto para cualquier conclusión. El punto no es que MSP v2 ya esté probado; es que la misma mejora arquitectónica aplicada a un contexto de portfolio (multi-estrategia, multi-par, menor riesgo por slot) es el test paralelo de si los nuevos modelos ayudan en la configuración de portfolio de la misma forma que parecen ayudar en la baseline de Alpha Pulse.
Dos líneas de producción sobre el mismo stack de modelos producirán una lectura mucho más fuerte a mediados de 2026 que cualquiera de las dos sola.
Por dónde empezar
Si la arquitectura y los números honestos son lo que buscas:
Paso 1 — Audita el historial público: Alpha Pulse AI baseline en Myfxbook. Haz click en historial de trades. Filtra por mes. Verifica los números de arriba.
Paso 2 — Consigue el EA: Página de producto Alpha Pulse AI. El stack de producción actual corre GPT-5.5 + Claude Opus 4.7 con todos los componentes arquitectónicos en su sitio.
Paso 3 — Planifica el vehículo de escalado ahora: Cuando el EA esté produciendo resultados consistentes en tu cuenta, Axi Select es el programa de asignación sin fees de challenge donde el capital escala con tu Edge Score. Mismo EA, mayor capital, payouts reales.
Y si quieres actualizaciones mensuales de Myfxbook, notas de cambio de modelo, y los artículos que no caben en un post, la newsletter envía un email por semana sin relleno.
FAQFrequently asked
¿El cambio de modelo causó la recuperación o fue varianza?
Respuesta honesta: no lo sé con confianza estadística. La recuperación empezó inmediatamente después del cambio y los nuevos modelos abordan los problemas específicos que veía pre-cambio (calidad de razonamiento en setups multi-step, estabilidad de output estructurado), así que la hipótesis causal es razonable. Pero 30 días de datos no son prueba. Tres meses más de data con comportamiento consistente bajo el nuevo stack darán una respuesta defendible. Hoy la lectura es "señal positiva temprana", no "causación confirmada".
¿Por qué el win rate es solo 46% si el sistema funciona?
Porque el sistema está construido sobre recompensa-riesgo asimétrica, no sobre win rate alto. Ganador medio $105.19 vs perdedor medio $78.56 significa que los ganadores son un 34% más grandes que los perdedores. Gana 46% del tiempo con ese ratio y la expectativa se mantiene positiva. Gana 60% con ratio 1:1 y la expectativa es idéntica. El sistema usa la matemática disponible — win rate modesto, ganadores estructuralmente más grandes que perdedores — en vez de perseguir los win rates inflados que marcan EAs de backtest bait.
¿Qué significa el 14.23% de drawdown máximo en la práctica?
Que en el punto más profundo de la vida de la cuenta, el equity estuvo 14.23% por debajo del máximo anterior antes de recuperarse. Para contexto: la mayoría de cuentas de prop firm terminan con un 10% de trailing drawdown. El perfil de riesgo de Alpha Pulse AI es adecuado para cuentas de capital propio o programas de asignación de capital (como Axi Select) donde drawdowns del 14-15% están dentro del rango normal de operación. No es adecuado para reglas de drawdown ajustado de prop firms.
¿Qué modelo de IA está realmente tomando la decisión de trading?
GPT-5.5 maneja la generación primaria de señal (leyendo contexto de mercado, identificando firmas de setup, produciendo output estructurado). Claude Opus 4.7 ejecuta una pasada de validación secundaria en casos extremos donde la confianza del modelo primario está en rango ambiguo. El enfoque de dos modelos reduce falsos positivos en setups inciertos. Ambos modelos reciben el mismo contexto estructurado generado por la capa de datos del EA.
¿El nuevo stack de modelos es permanente?
Hasta la próxima generación significativa de modelos. La arquitectura trata los modelos de razonamiento como un componente intercambiable — cuando un nuevo modelo demuestra mejora medible en los prompts de validación, el stack de producción migra. Ese es el punto de tener los siete componentes desacoplados: la capa de razonamiento puede evolucionar sin reconstruir el resto del sistema.
